pathos.ProcessingPool 和 pickle 之间的交互

Question

我有一个需要运行的计算列表。我正在使用

将它们并行化

from pathos.multiprocessing import ProcessingPool
pool = ProcessingPool(nodes=7)
values = pool.map(helperFunction, someArgs)

helperFunction 确实创建了一个名为Parameters 的类，该类在与

相同的文件中定义

import otherModule
class Parameters(otherModule.Parameters):
    ...

到目前为止，一切都很好。 helperFunction 会做一些计算，基于Parameters 对象，改变它的一些属性，最后使用pickle 存储。以下是进行保存的辅助函数（来自不同模块）的相关摘录：

import pickle
import hashlib
import os
class cacheHelper():

    def __init__(self, fileName, attr=[], folder='../cache/'):
        self.folder = folder

        if len(attr) > 0:
            attr = self.attrToName(attr)
        else:
            attr = ''
        self.fileNameNaked = fileName
        self.fileName = fileName + attr

    def write(self, objects):
        with open(self.getFile(), 'wb') as output:
            for object in objects:
                pickle.dump(object, output, pickle.HIGHEST_PROTOCOL)

当它到达pickle.dump() 时，它会引发一个难以调试的异常，因为调试器不会进入实际面临该异常的工作人员。因此，我在转储发生之前创建了一个断点，并手动输入了该命令。这是输出：

>>> pickle.dump(objects[0], output, pickle.HIGHEST_PROTOCOL)
Traceback (most recent call last):
  File "/usr/local/anaconda2/envs/myenv2/lib/python2.7/site-packages/IPython/core/interactiveshell.py", line 2885, in run_code
    exec(code_obj, self.user_global_ns, self.user_ns)
  File "<ipython-input-1-4d2cbb7c63d1>", line 1, in <module>
    pickle.dump(objects[0], output, pickle.HIGHEST_PROTOCOL)
  File "/usr/local/anaconda2/envs/myenv2/lib/python2.7/pickle.py", line 1376, in dump
    Pickler(file, protocol).dump(obj)
  File "/usr/local/anaconda2/envs/myenv2/lib/python2.7/pickle.py", line 224, in dump
    self.save(obj)
  File "/usr/local/anaconda2/envs/myenv2/lib/python2.7/pickle.py", line 331, in save
    self.save_reduce(obj=obj, *rv)
  File "/usr/local/anaconda2/envs/myenv2/lib/python2.7/pickle.py", line 396, in save_reduce
    save(cls)
  File "/usr/local/anaconda2/envs/myenv2/lib/python2.7/pickle.py", line 286, in save
    f(self, obj) # Call unbound method with explicit self
  File "/usr/local/anaconda2/envs/myenv2/lib/python2.7/site-packages/dill/dill.py", line 1203, in save_type
    StockPickler.save_global(pickler, obj)
  File "/usr/local/anaconda2/envs/myenv2/lib/python2.7/pickle.py", line 754, in save_global
    (obj, module, name))
PicklingError: Can't pickle <class '__main__.Parameters'>: it's not found as __main__.Parameters

奇怪的是，当我不并行化时，这不会发生，即手动循环 helperFunction。我很确定我打开了正确的Parameters（而不是父类）。

我知道如果没有可重现的示例，很难进行调试，我不希望这方面有任何解决方案。也许更普遍的问题是：

通过另一个模块并行化使用pickle.dump()的代码时需要注意什么？

Answer 1

直接来自 Python docs。

12.1.4。什么可以腌制和不腌制？可以腌制以下类型：

• 无、真和假
• 整数、浮点数、复数
• 字符串、字节、字节数组
• 元组、列表、集合和
• 仅包含在模块顶层定义的可提取对象函数的字典（使用 def，而不是 lambda）
• 在模块顶层定义的内置函数
• 在模块顶层定义的类
• 此类类的实例，其__dict__ 或调用__getstate__() 的结果是可腌制的（有关详细信息，请参阅腌制类实例部分）。

其他的都不能腌制。在您的情况下，尽管鉴于您的代码摘录很难说，但我认为问题在于类 Parameters 没有在模块的顶层定义，因此它的实例不能被腌制。

使用pathos.multiprocessing（或其积极开发的分支multiprocess）而不是内置的multiprocessing的全部意义在于避免pickle，因为有太多东西后来无法转储. pathos.multiprocessing 和 multiprocess 使用 dill 而不是 pickle。如果你想调试一个worker，你可以使用trace。

注意 正如 Mike McKerns（multiprocess 的主要贡献者）正确地注意到的那样，有些情况即使 dill 也无法处理，尽管很难制定一些通用规则那件事。