如何使用Python多处理池处理tarfile？

Question

我正在尝试使用multiprocessing.Pool tarfile的内容。 我能够在多处理模块中成功使用ThreadPool实现，但是希望能够使用进程而不是线程，因为这样可能会更快，并且消除了Matplotlib处理多线程环境所做的一些更改。 我收到一个我怀疑与进程不共享地址空间有关的错误，但是我不确定如何解决：

Traceback (most recent call last):
  File "test_tarfile.py", line 32, in <module>
    test_multiproc()
  File "test_tarfile.py", line 24, in test_multiproc
    pool.map(read_file, files)
  File "/ldata/whitcomb/epd-7.1-2-rh5-x86_64/lib/python2.7/multiprocessing/pool.py", line 225, in map
    return self.map_async(func, iterable, chunksize).get()
  File "/ldata/whitcomb/epd-7.1-2-rh5-x86_64/lib/python2.7/multiprocessing/pool.py", line 522, in get
    raise self._value
ValueError: I/O operation on closed file

实际程序更复杂，但这是我正在做的一个示例，该示例再现了该错误：

from multiprocessing.pool import ThreadPool, Pool
import StringIO
import tarfile

def write_tar():
    tar = tarfile.open('test.tar', 'w')
    contents = 'line1'
    info = tarfile.TarInfo('file1.txt')
    info.size = len(contents)
    tar.addfile(info, StringIO.StringIO(contents))
    tar.close()

def test_multithread():
    tar   = tarfile.open('test.tar')
    files = [tar.extractfile(member) for member in tar.getmembers()]
    pool  = ThreadPool(processes=1)
    pool.map(read_file, files)
    tar.close()

def test_multiproc():
    tar   = tarfile.open('test.tar')
    files = [tar.extractfile(member) for member in tar.getmembers()]
    pool  = Pool(processes=1)
    pool.map(read_file, files)
    tar.close()

def read_file(f):
    print f.read()

write_tar()
test_multithread()
test_multiproc()

我怀疑将TarInfo对象传递给另一个进程时TarFile ，但父TarFile没有，但是我不确定在多进程情况下如何解决。 我可以这样做而不必从压缩包中提取文件并将它们写入磁盘吗？

Answer 1

您没有将TarInfo对象传递给另一个进程，而是将tar.extractfile(member)的结果传递给了另一个member为TarInfo对象的进程。 extractfile(...)方法返回一个类似文件的对象，该对象除其他外具有一个read()方法，该方法可对您使用tar = tarfile.open('test.tar')打开的原始tar文件进行操作。

但是，您不能在另一个过程中使用一个过程中打开的文件，而必须重新打开该文件。 我用以下代码替换了您的test_multiproc() ：

def test_multiproc():
    tar   = tarfile.open('test.tar')
    files = [name for name in tar.getnames()]
    pool  = Pool(processes=1)
    result = pool.map(read_file2, files)
    tar.close()

并添加以下内容：

def read_file2(name):
    t2 = tarfile.open('test.tar')
    print t2.extractfile(name).read()
    t2.close()

并能够使您的代码正常工作。