使用 pool.imap 时无法腌制 psycopg2.extensions.connection 对象，但可以在单个进程中完成

Question

我正在尝试构建一个应用程序，它将“检查”一个单元格，该单元格是一个覆盖地理数据库中一部分土地的正方形，并对该单元格内的特征进行分析。 由于我要处理许多单元格，因此我使用的是多处理方法。

我让它在我的 object 内部工作，如下所示：

class DistributedGeographicConstraintProcessor:

    ...

    def _process_cell(self, conn_string):

        conn = pg2.connect(conn_string)
        try:
            cur = conn.cursor()

            cell_id = self._check_out_cell(cur)
            conn.commit()
            print(f"processing cell_id {cell_id}...")

            for constraint in self.constraints:
                # print(f"processing {constraint.name()}...")
                query = constraint.prepare_distributed_query(self.job, self.grid)
                cur.execute(query, {
                    "buffer": constraint.buffer(),
                    "cell_id": cell_id,
                    "name": constraint.name(),
                    "simplify_tolerance": constraint.simplify_tolerance()
                })

            # TODO: do a final race condition check to further suppress duplicates
            self._check_in_cell(cur, cell_id)
            conn.commit()

        finally:
            del cur
            conn.close()

        return None

    def run(self):

        while True:
            if not self._job_finished():
                params = [self.conn_string] * self.num_cores
                processes = []
                for param in params:
                    process = mp.Process(target=self._process_cell, args=(param,))
                    processes.append(process)
                    sleep(0.1)  # Prevent multiple processes from checkout out the same grid square
                    process.start()
                for process in processes:
                    process.join()
            else:
                self._finalize_job()
                break

但问题是它只会启动四个进程并等到它们都完成后再启动四个新进程。

我想这样当一个进程完成它的工作时，它会立即开始在下一个单元上工作，即使它的协同进程还没有完成。

我不确定如何实现这一点，我尝试过使用这样的池：

def run(self):

    pool = mp.Pool(self.num_cores)
    unprocessed_cells = self._unprocessed_cells()
    for i in pool.imap(self._process_cell, unprocessed_cells):
        print(i)

但这只是告诉我连接不能被腌制：

TypeError: can't pickle psycopg2.extensions.connection objects

但我不明白为什么，因为它与我在imap function 中使用的 function 与Process目标完全相同。

我已经看过这些线程，这就是为什么他们不回答我的问题：

• 连接到 PostgreSQL 时出错无法腌制 psycopg2.extensions.connection 对象- 这里的答案仅表明多个进程不能共享同一个连接。 我知道这一点，并正在初始化 function 中的进程，该进程正在子进程中执行。 此外，正如我所提到的，当我 map 将 function 到各个Process实例时，它可以工作，具有相同的 function 和相同的输入。
• psycopg2 请求的多处理结果。 “Can't pickle psycopg2.extensions.connection objects” ——这个问题没有答案，也没有任何评论，而且代码也不完整——作者引用了一个 function 没有在问题中指定，并且在任何情况很明显，他们公然试图在进程之间共享相同的 cursor。

Answer 1

我的猜测是您正在将一些连接 object 附加到self ； 尝试仅使用函数（无类/方法）重写您的解决方案。

这是我前段时间使用的单生产者/多工人解决方案的简化版本：

def worker(param):
    //connect to pg
    //do work


def main():
    pool = Pool(processes=NUM_PROC)
    tasks = []
    for param in params:
        t = pool.apply_async(utils.process_month, args=(param, ))
        tasks.append(t)
    pool.close()
    finished = false
    while not finished:     
        finished = True
        for t in tasks:
            if not t.ready():
                finished = False
                break
        time.sleep(1)