[英]multiprocessing.Pool: When to use apply, apply_async or map?
[英]apply progress bar to multiprocessing.Pool(threads).apply(function)
我想为没有要传递的参数的 function 应用多处理池的进度条。 (将进度条应用于 multiprocessing.Pool(threads).apply(function) )
accounts = []
def a():
for account in accounts:
while True:
try:
#tasks
exept:
continue
break
def main():
threads = int(input('Enter Threads: '))
p= multiprocessing.Pool(threads)
p.apply(a)
if __name__ == '__main__':
main()
所以我想在一个进度条中检查所有线程中帐户的进度!
您当前的代码没有执行任何类型的多线程,因为apply
方法会阻塞,直到a
完成处理。 此外, a
正在一个接一个地处理accounts
的每个元素,而您真正想要做的是根据您的池中有多少线程并行处理accounts
的元素。
在下面的代码中,function a
现在只处理一个帐户。 主进程调用方法apply_async
,它不会阻塞,为accounts
列表的每个元素指定一个回调function 在a
完成处理并返回结果(它隐式返回None
)时调用。 此回调 function 只是将进度条前进一个单位。
from multiprocessing.pool import ThreadPool
import tqdm
def a(account):
""" process account """
import time
# simulate doing something
time.sleep(.5)
def update_progress_bar(result):
# result is return code from a, which is None
progress_bar.update(1) # one more task completed
def main():
global progress_bar
accounts = [1,2,3,4,5,6,7,8,9,10,11,12]
num_threads = int(input('Enter number of threads: '))
p = ThreadPool(num_threads)
with tqdm.tqdm(total=len(accounts)) as progress_bar:
for account in accounts:
p.apply_async(a, args=(account,), callback=update_progress_bar)
# wait for all submitted tasks to complete:
p.close()
p.join()
if __name__ == '__main__':
main()
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.