使用 pool.imap 时无法腌制 psycopg2.extensions.connection 对象，但可以在单个进程中完成

Question

我正在尝试构建一个应用程序，该应用程序将“检查”一个单元格，该单元格是一个覆盖地理数据库中一部分土地的正方形，并对该单元格内的特征进行分析。由于我要处理许多单元格，因此我使用的是多处理方法。

我让它在我的对象内部有点像这样工作：

class DistributedGeographicConstraintProcessor:

    ...

    def _process_cell(self, conn_string):

        conn = pg2.connect(conn_string)
        try:
            cur = conn.cursor()

            cell_id = self._check_out_cell(cur)
            conn.commit()
            print(f"processing cell_id {cell_id}...")

            for constraint in self.constraints:
                # print(f"processing {constraint.name()}...")
                query = constraint.prepare_distributed_query(self.job, self.grid)
                cur.execute(query, {
                    "buffer": constraint.buffer(),
                    "cell_id": cell_id,
                    "name": constraint.name(),
                    "simplify_tolerance": constraint.simplify_tolerance()
                })

            # TODO: do a final race condition check to further suppress duplicates
            self._check_in_cell(cur, cell_id)
            conn.commit()

        finally:
            del cur
            conn.close()

        return None

    def run(self):

        while True:
            if not self._job_finished():
                params = [self.conn_string] * self.num_cores
                processes = []
                for param in params:
                    process = mp.Process(target=self._process_cell, args=(param,))
                    processes.append(process)
                    sleep(0.1)  # Prevent multiple processes from checkout out the same grid square
                    process.start()
                for process in processes:
                    process.join()
            else:
                self._finalize_job()
                break

但问题是它只会启动四个进程并等到它们都完成后再启动四个新进程。

我想这样当一个进程完成它的工作时，它会立即开始处理下一个单元格，即使它的协同进程还没有完成。

我不确定如何实现这一点，我尝试过使用这样的池：

def run(self):

    pool = mp.Pool(self.num_cores)
    unprocessed_cells = self._unprocessed_cells()
    for i in pool.imap(self._process_cell, unprocessed_cells):
        print(i)

但这只是告诉我连接无法被腌制：

TypeError: can't pickle psycopg2.extensions.connection objects

但我不明白为什么，因为它与我在 imap 函数中使用的函数与在 Process 目标中使用的函数完全相同。

我已经看过这些帖子，这就是为什么他们没有回答我的问题：

• Error Connecting To PostgreSQL can't pickle psycopg2.extensions.connection objects - 这里的答案只表明多个进程不能共享同一个连接。我知道这一点，并正在初始化子进程中正在执行的函数内的进程。此外，正如我所提到的，当我将函数映射到单个 Process 实例时，它可以工作，具有相同的函数和相同的输入。
• Multiprocessing result of a psycopg2 request. “Can't pickle psycopg2.extensions.connection objects” - 这个问题没有答案，也没有任何 cmets，代码也不完整 - 作者引用了问题中未指定的函数，无论如何，很明显他们是在公然尝试在进程之间共享相同的光标。

Answer 1

我的猜测是您将一些连接对象附加到self；尝试仅使用函数（无类/方法）重写您的解决方案。

这是我前段时间使用的单生产者/多工人解决方案的简化版本：

def worker(param):
    //connect to pg
    //do work


def main():
    pool = Pool(processes=NUM_PROC)
    tasks = []
    for param in params:
        t = pool.apply_async(utils.process_month, args=(param, ))
        tasks.append(t)
    pool.close()
    finished = false
    while not finished:     
        finished = True
        for t in tasks:
            if not t.ready():
                finished = False
                break
        time.sleep(1)