Multiprocessing IOError: bad message length

Question

将大参数传递给 map 函数时，我得到一个 IOError: bad message length。我怎样才能避免这种情况？当我设置 N=1500 或更大时出现错误。

密码是：

import numpy as np
import multiprocessing

def func(args):
    i=args[0]
    images=args[1]
    print i
    return 0

N=1500       #N=1000 works fine

images=[]
for i in np.arange(N):
    images.append(np.random.random_integers(1,100,size=(500,500)))

iter_args=[]
for i in range(0,1):
    iter_args.append([i,images])

pool=multiprocessing.Pool()
print pool
pool.map(func,iter_args)

在 multiprocessing 的文档中有一个引发 IOError 的函数 recv_bytes。难道是因为这个？ (https://python.readthedocs.org/en/v2.7.2/library/multiprocessing.html)

编辑如果我使用 images 作为 numpy 数组而不是列表，我会得到一个不同的错误：SystemError: NULL result without error in PyObject_Call。有点不同的代码：

import numpy as np
import multiprocessing

def func(args):
    i=args[0]
    images=args[1]
    print i
    return 0

N=1500       #N=1000 works fine

images=[]
for i in np.arange(N):
    images.append(np.random.random_integers(1,100,size=(500,500)))
images=np.array(images)                                            #new

iter_args=[]
for i in range(0,1):
    iter_args.append([i,images])

pool=multiprocessing.Pool()
print pool
pool.map(func,iter_args)

EDIT2 我实际使用的函数是：

def func(args):
    i=args[0]
    images=args[1]
    image=np.mean(images,axis=0)
    np.savetxt("image%d.txt"%(i),image)
    return 0

此外，iter_args 不包含同一组图像：

iter_args=[]
for i in range(0,1):
    rand_ind=np.random.random_integers(0,N-1,N)
    iter_args.append([i,images[rand_ind]])

Answer 1

Python 可能会将您的数据加载到您的 RAM 内存中，您需要此内存可用。您是否检查过您的计算机内存使用情况？

此外，正如帕特里克提到的，您正在加载 3GB 的数据，请确保您使用 64 位版本的 Python，因为您将达到 32 位内存限制。这可能会导致您的进程崩溃：32 vs 64 bits Python

另一个改进是使用 python 3.4 而不是 2.7。 Python 3 实现似乎针对非常大的范围进行了优化，请参阅 Python3 vs Python2 list/generator range performance

Answer 2

您正在创建一个池并将所有图像一次发送到 func()。如果您可以一次处理单个图像，请尝试这样的操作，它在 35 秒内以 N=10000 运行完成，对我来说 Python 2.7.10:

import numpy as np
import multiprocessing

def func(args):
    i = args[0]
    img = args[1]
    print "{}: {} {}".format(i, img.shape, img.sum())
    return 0

N=10000

images = ((i, np.random.random_integers(1,100,size=(500,500))) for i in xrange(N))
pool=multiprocessing.Pool(4)
pool.imap(func, images)
pool.close()
pool.join()

这里的关键是使用迭代器，这样您就不必一次将所有数据保存在内存中。例如，我将包含所有数据的数组中的图像转换为生成器表达式，以便仅在需要时创建图像。您可以修改它以从磁盘或其他任何地方加载图像。我还使用 pool.imap 而不是 pool.map。

如果可以，请尝试在辅助函数中加载图像数据。现在您必须序列化所有数据并将其传送到另一个进程。如果您的图像数据较大，这可能是一个瓶颈。

[现在更新，我们知道 func 必须一次处理所有图像]

您可以对图像进行迭代平均。这是一个不使用多处理的解决方案。要使用多处理，您可以将图像分成块，然后将这些块分配到池中。

import numpy as np

N=10000
shape = (500,500)

def func(images):
    average = np.full(shape, 0)
    for i, img in images:
        average += img / N
    return average

images = ((i, np.full(shape,i)) for i in range(N))

print func(images)

Answer 3

当运行你的程序实际上给了我一个明确的错误：

OSError: [Errno 12] Cannot allocate memory

正如其他用户所提到的，您的问题的解决方案是简单地添加内存（很多）或更改程序处理图像的方式。

它使用这么多内存的原因是因为您在模块级别为图像分配了内存。因此，当多进程分叉您的进程时，它还会复制所有图像（根据Shared-memory objects in python multiprocessing，这不是免费的），这是没有必要的，因为您还将图像作为多进程模块也复制的函数的参数使用 ipc 和 pickle，这仍然可能导致内存不足。尝试其他用户提供的建议解决方案之一。

Answer 4

这就是解决问题的方法：将图像声明为全局图像。

import numpy as np
import multiprocessing


N=1500       #N=1000 works fine

images=[]
for i in np.arange(N):
    images.append(np.random.random_integers(1,100,size=(500,500)))

def func(args):
    i=args[0]
    images=images
    print i
    return 0

iter_args=[]
for i in range(0,1):
    iter_args.append([i])

pool=multiprocessing.Pool()
print pool
pool.map(func,iter_args)

Answer 5

传递大型对象时得到 IOError: bad message length 的原因是旧 CPython 版本（3.2 及更早版本）的硬编码限制为 0x7fffffff 字节或大约 2.1GB：https://github.com/python/cpython/blob/v2.7.5/Modules/_multiprocessing/multiprocessing.h#L182

此 CPython 变更集（在 CPython 3.3 及更高版本中）删除了硬编码限制：https://github.com/python/cpython/commit/87cf220972c9cb400ddcd577962883dcc5dca51a#diff-4711c9abeca41b149f648d4b3c15b6a7d2baa06aa066f46359e4498eb8e39f60L182

Multiprocessing IOError: bad message length

Multiprocessing IOError: bad message length

python

numpy

pool

multiprocessing

ioerror