如何使用 multiprocessing.Pool.apply_async 登录到单个文件

Question

我无法记录到使用 multprocess.Pool.apply_async 的单个文件。 我正在尝试改编 Logging Cookbook 中的这个示例，但它仅适用于multiprocessing.Process 。 将日志记录队列传递到apply_async似乎没有效果。 我想使用一个池，以便我可以轻松管理并发线程的数量。

以下采用 multiprocessing.Process 的改编示例对我来说工作正常，除了我没有从主进程获取日志消息，而且我认为当我有 100 个大型作业时它不会很好地工作。

import logging
import logging.handlers
import numpy as np
import time
import multiprocessing
import pandas as pd
log_file = 'PATH_TO_FILE/log_file.log'

def listener_configurer():
    root = logging.getLogger()
    h = logging.FileHandler(log_file)
    f = logging.Formatter('%(asctime)s %(processName)-10s %(name)s %(levelname)-8s %(message)s')
    h.setFormatter(f)
    root.addHandler(h)

# This is the listener process top-level loop: wait for logging events
# (LogRecords)on the queue and handle them, quit when you get a None for a
# LogRecord.
def listener_process(queue, configurer):
    configurer()
    while True:
        try:
            record = queue.get()
            if record is None:  # We send this as a sentinel to tell the listener to quit.
                break
            logger = logging.getLogger(record.name)
            logger.handle(record)  # No level or filter logic applied - just do it!
        except Exception:
            import sys, traceback
            print('Whoops! Problem:', file=sys.stderr)
            traceback.print_exc(file=sys.stderr)


def worker_configurer(queue):
    h = logging.handlers.QueueHandler(queue)  # Just the one handler needed
    root = logging.getLogger()
    root.addHandler(h)
    # send all messages, for demo; no other level or filter logic applied.
    root.setLevel(logging.DEBUG)


# This is the worker process top-level loop, which just logs ten events with
# random intervening delays before terminating.
# The print messages are just so you know it's doing something!
def worker_function(sleep_time, name, queue, configurer):
    configurer(queue)
    start_message = 'Worker {} started and will now sleep for {}s'.format(name, sleep_time)
    logging.info(start_message)
    time.sleep(sleep_time)
    success_message = 'Worker {} has finished sleeping for {}s'.format(name, sleep_time)
    logging.info(success_message)

def main_with_process():
    start_time = time.time()
    single_thread_time = 0.
    queue = multiprocessing.Queue(-1)
    listener = multiprocessing.Process(target=listener_process,
                                       args=(queue, listener_configurer))
    listener.start()
    workers = []
    for i in range(10):
        name = str(i)
        sleep_time = np.random.randint(10) / 2
        single_thread_time += sleep_time
        worker = multiprocessing.Process(target=worker_function,
                                         args=(sleep_time, name, queue, worker_configurer))
        workers.append(worker)
        worker.start()
    for w in workers:
        w.join()
    queue.put_nowait(None)
    listener.join()
    end_time = time.time()
    final_message = "Script execution time was {}s, but single-thread time was {}s".format(
        (end_time - start_time),
        single_thread_time
    )
    print(final_message)

if __name__ == "__main__":
    main_with_process()

但我无法让以下适应工作：

def main_with_pool():
    start_time = time.time()
    queue = multiprocessing.Queue(-1)
    listener = multiprocessing.Process(target=listener_process,
                                       args=(queue, listener_configurer))
    listener.start()
    pool = multiprocessing.Pool(processes=3)
    job_list = [np.random.randint(10) / 2 for i in range(10)]
    single_thread_time = np.sum(job_list)
    for i, sleep_time in enumerate(job_list):
        name = str(i)
        pool.apply_async(worker_function,
                         args=(sleep_time, name, queue, worker_configurer))

    queue.put_nowait(None)
    listener.join()
    end_time = time.time()
    print("Script execution time was {}s, but single-thread time was {}s".format(
        (end_time - start_time),
        single_thread_time
    ))

if __name__ == "__main__":
    main_with_pool()

我尝试了许多细微的变化，使用 multiprocessing.Manager、multiprocessing.Queue、multiprocessing.get_logger、apply_async.get()，但没有任何工作。

我认为会有一个现成的解决方案。 我应该试试芹菜吗？

谢谢

Answer 1

考虑使用两个队列。 第一个队列是您为工作人员放置数据的地方。 作业完成后，每个工作人员会将结果推送到第二个队列。 现在，使用第二个队列将日志写入文件。

Answer 2

实际上，这里有两个相互独立的问题：

• 您不能将multiprocessing.Queue()对象作为参数传递给基于Pool的函数（可以将其传递给直接启动的工作程序，但不能传递给它的任何“进一步”对象）。
• 您必须等待所有异步工作程序完成，然后才能将None发送给侦听器进程。

要修复第一个，请替换：

queue = multiprocessing.Queue(-1)

有：

queue = multiprocessing.Manager().Queue(-1)

因为可以传递经理管理的Queue()实例。

要解决第二个问题，请从每个异步调用收集每个结果，或者关闭池并等待它，例如：

pool.close()
pool.join()
queue.put_nowait(None)

或更复杂的：

getters = []
for i, sleep_time in enumerate(job_list):
    name = str(i)
    getters.append(
        pool.apply_async(worker_function,
                     args=(sleep_time, name, queue, worker_configurer))
    )
while len(getters):
    getters.pop().get()
# optionally, close and join pool here (generally a good idea anyway)
queue.put_nowait(None)

（您还应该考虑将put_nowait替换为等待版本的put而不要使用无限长度的队列。）

Answer 3

[附录] 关于maxtasksperchild=1
你真的不需要它。 重复消息的原因是：您反复向子进程的根记录器添加queuehandlers处理程序。 以下代码在添加另一个处理程序之前检查是否存在任何处理程序：

def worker_configurer(queue):
    root = logging.getLogger()
    # print(f'{root.handlers=}')
    if len(root.handlers) == 0:
        h = logging.handlers.QueueHandler(queue)   
        root.addHandler(h)
        root.setLevel(logging.DEBUG)