实例属性不会使用多处理持久化

Question

我遇到的问题是实例不保留对属性的更改，甚至不保留创建的新属性。我想我已经将其缩小到我的脚本利用多处理的事实，并且我认为当脚本 returns 到时，单独进程线程中实例发生的变化不是 'remembered'主线程。

基本上，我有几组数据需要并行处理。数据存储为属性，并通过 class 中的几种方法进行更改。在处理结束时，我希望 return 到主线程并连接来自每个对象实例的数据。但是，如上所述，当我在并行处理位完成后尝试使用数据访问实例属性时，那里什么也没有。好像在多处理位期间发生的任何更改都是 'forgotten'。

是否有解决此问题的明显解决方案？或者我是否需要重建我的代码以代替 return 处理后的数据，而不仅仅是 altering/storing 它作为实例属性？我想另一种解决方案是序列化数据，然后在必要时重新读取它，而不是仅仅将其保存在内存中。

这里可能值得注意的是我使用的是 pathos 模块而不是 python 的 multiprocessing 模块。我遇到了一些与酸洗有关的错误，类似于此处：Python multiprocessing PicklingError: Can't pickle <type 'function'>。我的代码分为几个模块，如前所述，数据处理方法包含在 class 中。

对不起文字墙。

编辑这是我的代码：

import importlib
import pandas as pd
from pathos.helpers import mp
from provider import Provider

# list of data providers ... length is arbitrary
operating_providers = ['dataprovider1', 'dataprovider2', 'dataprovider3']


# create provider objects for each operating provider
provider_obj_list = []
for name in operating_providers:
    loc     = 'providers.%s' % name
    module  = importlib.import_module(loc)
    provider_obj = Provider(module)
    provider_obj_list.append(provider_obj)

processes = []
for instance in provider_obj_list:
    process = mp.Process(target = instance.data_processing_func)
    process.daemon = True
    process.start()
    processes.append(process)

for process in processes:
    process.join()

# now that data_processing_func is complete for each set of data, 
# stack all the data
stack = pd.concat((instance.data for instance in provider_obj_list))

我有许多模块（它们的名称在 operating_providers 中列出）包含特定于其数据源的属性。这些模块被迭代导入并传递给我在单独模块 (provider) 中创建的 Provider class 的新实例。我将每个 Provider 实例附加到一个列表 (provider_obj_list)，然后迭代地创建单独的进程来调用实例方法 instance.data_processing_func。此函数进行一些数据处理（每个实例访问完全不同的数据文件），并在此过程中创建新的实例属性，我需要在并行处理完成时访问这些属性。

我尝试使用多线程而不是多处理——在这种情况下，我的实例属性保持不变，这正是我想要的。但是，我不确定为什么会发生这种情况——我将不得不研究线程与多处理之间的区别。

感谢您的帮助！

Answer 1

下面是一些示例代码，展示了如何执行我在评论中概述的操作。我无法测试它，因为我没有安装 provider 或 pathos，但它应该让您对我的建议有一个很好的了解。

import importlib
from pathos.helpers import mp
from provider import Provider

def process_data(loc):
    module  = importlib.import_module(loc)
    provider_obj = Provider(module)
    provider_obj.data_processing_func()


if __name__ == '__main__':

    # list of data providers ... length is arbitrary
    operating_providers = ['dataprovider1', 'dataprovider2', 'dataprovider3']

    # create list of provider locations for each operating provider
    provider_loc_list = []
    for name in operating_providers:
        loc = 'providers.%s' % name
        provider_loc_list.append(loc)

    processes = []
    for loc in provider_loc_list:
        process = mp.Process(target=process_data, args=(loc,))
        process.daemon = True
        process.start()
        processes.append(process)

    for process in processes:
        process.join()

实例属性不会使用多处理持久化

Instance attributes do not persist using multiprocessing

python

multithreading

multiprocessing

python-3.x

pathos