正确使用带生成器的线程池

Question

在 Python 2.7 中处理 CSV 文件时，我在使用带有 Generator 的 ThreadPool 时遇到问题。下面是一些示例代码来说明我的观点：

from multiprocessing.dummy import Pool as ThreadPool
import time

def getNextBatch():
    # Reads lines from a huge CSV and yields them as required.
    for i in range(5):
        yield i;

def processBatch(batch):
    # This simulates a slow network request that happens.
    time.sleep(1);
    print "Processed Batch " + str(batch);

# We use 4 threads to attempt to aleviate the bottleneck caused by network I/O.
threadPool = ThreadPool(processes = 4)

batchGenerator = getNextBatch()

for batch in batchGenerator:
    threadPool.map(processBatch, (batch,))

threadPool.close()
threadPool.join()

当我运行这样做时，我得到了预期的输出：

Processed Batch 0

Processed Batch 1

Processed Batch 2

Processed Batch 3

Processed Batch 4

问题是它们在每次打印之间出现 1 秒延迟。实际上，我的脚本是按顺序运行ning（并没有像我希望的那样使用多线程）。

这里的目标是让这些打印的语句在 ~1 秒后全部出现，而不是每秒一个，持续 5 秒。

Answer 1

这是你的问题

for batch in batchGenerator:
    threadPool.map(processBatch, (batch,))

当我尝试时

threadPool.map(processBatch, batchGenerator)

它按预期工作（但不按顺序）。 for 循环使用线程池一次处理一个批次。所以它完成了一个，然后继续前进，然后......

正确使用带生成器的线程池

Correctly use ThreadPool with Generators

python

multiprocessing

threadpool

python-multiprocessing

yield-keyword