Python多处理中的嵌套并行

Question

我知道这听起来像是以前有人问过的问题，但是等等，我会解释为什么其他选项不起作用。

我目前正在使用multiprocessing.Pool 在应用程序中实现并行性，并希望对其进行扩展以利用嵌套并行性。将Pool 对象作为参数传递给apply_async 的幼稚方法行不通as noted in other answers，因为Pool 不能被腌制。

这是我的要求：

1. 我需要某种池来限制并发执行任务的数量。例如。 multiprocess.Pool 用于此目的，但不能传递给其他进程。

2. 我需要嵌套并行。在我的应用程序中，我需要执行 I/O 以识别嵌套工作是什么，所以我绝对不想从单个线程中执行此操作。我认为这排除了this question 的所有答案。

3. 需要在标准库中；我无法添加依赖项。这排除了this answer。

4. 我真的很希望它同时与 Python 2 和 3 一起工作。但是，如果可以证明迁移到 Python 3 可以解决我的问题，我会考虑它。

我不需要这个来专门使用多个进程，使用线程就可以了，因为大部分工作是 I/O 或等待子进程完成。

我尝试过使用multiprocessing.dummy，它是相同的接口，但在threading 之上实现。但是，当我尝试调用get() 来检索我的测试结果时，我收到以下错误，所以我认为这已经过时了。

  File "/usr/lib/python2.7/multiprocessing/pool.py", line 567, in get
    raise self._value
ValueError: signal only works in main thread

我知道 Python 3 中的 concurrent.futures 库，但这似乎有一些严重的限制。例如，本节中的第二个示例在我的情况下似乎是一个展示终结者：

https://docs.python.org/3/library/concurrent.futures.html#threadpoolexecutor

我看不出你怎么能避免使用基本上任何直接编写的嵌套并行算法来解决这个问题。因此，即使我愿意使用 Python 3，我认为这也是行不通的。

我不知道标准库中有任何其他可用选项，但我自己没有编写实现。

Answer 1

你似乎已经排除了，但我怀疑 https://docs.python.org/3/library/concurrent.futures.html#threadpoolexecutor 或 https://docs.python.org/3/library/concurrent.futures.html#processpoolexecutor 可以使用，如果您能够迁移到 Python 3，或者为 Python 2 添加依赖项。

如果在处理该文件之前不必触发每个文件的额外工作，则可以有一个触发所有其他线程的单个协调线程，因此可以防止死锁，如下例所示。

from concurrent.futures import ThreadPoolExecutor
import time

pool = ThreadPoolExecutor(max_workers=3)

def find_work_inputs(dummy_file):
    print("{}: Finding work...".format(dummy_file))
    time.sleep(1)
    work = range(0, dummy_file)
    print("{}: Work is {}".format(dummy_file, work))
    return work

def do_work(dummy_file, work_input):
    print("{}: {}".format(dummy_file, work_input))
    print("{}: Doing work {}...".format(dummy_file, work_input))
    time.sleep(1)
    return work_input * work_input

dummy_files = [1,2,3,4,5]

futures = []
for dummy_file in dummy_files:
    work_inputs = pool.submit(find_work_inputs, dummy_file)
    for work_input in work_inputs.result():
        result = work_input
        futures.append((dummy_file, result, pool.submit(do_work, dummy_file, result)))

for dummy_file, work_input, future in futures:
    print("Result from file:{} input:{} is {}".format(dummy_file, work_input, future.result()))

或者，如果第一级的每个线程都需要自己触发工作，那么额外的工作可能需要在另一个池中以防止死锁（取决于每个未来何时调用result()），如下所示。

from concurrent.futures import ThreadPoolExecutor
import time

find_work_pool = ThreadPoolExecutor(max_workers=3)
do_work_pool = ThreadPoolExecutor(max_workers=3)

def find_work_inputs(dummy_file):
    print("{}: Finding work...".format(dummy_file))
    time.sleep(1)
    work = range(0, dummy_file)
    print("{}: Work is {}".format(dummy_file, work))

    futures = []
    for work_input in work:
        futures.append((dummy_file, work_input, do_work_pool.submit(do_work, dummy_file, work_input)))
    return futures

def do_work(dummy_file, work_input):
    print("{}: {}".format(dummy_file, work_input))
    print("{}: Doing work {}...".format(dummy_file, work_input))
    time.sleep(1)
    return work_input * work_input

dummy_files = [1,2,3,4,5]

futures = []
for dummy_file in dummy_files:
    futures.extend(find_work_pool.submit(find_work_inputs, dummy_file).result())

for dummy_file, work_input, future in futures:
    print("Result from file:{} input:{} is {}".format(dummy_file, work_input, future.result()))