Windows 10 上的多处理问题

Question

我正在尝试使用多处理收集网站列表的主页大小。以下是代码：

import time
from multiprocessing import Pool, TimeoutError

start = time.time()


def sitesize(url):
    for url in sites:
        with urllib.request.urlopen(url) as u:
            page = u.read()
            print(url, len(page))


sites = [
    'https://www.yahoo.com',
    'http://www.cnn.com',
    'http://www.python.org',
    'http://www.jython.org',
    'http://www.pypy.org',
    'http://www.perl.org',
    'http://www.cisco.com',
    'http://www.facebook.com',
    'http://www.twitter.com',
    'http://arstechnica.com',
    'http://www.reuters.com',
    'http://www.abcnews.com',
    'http://www.cnbc.com',
]

if __name__ == '__main__': 

    with Pool(processes=4) as pool:
        for result in pool.imap_unordered(sitesize, sites):
            print(result)

print(f'Time taken : {time.time() - start}')

我有一台运行 Python 3.9 的 Windows 10 笔记本电脑。我没有使用 venv。

此代码进入循环 - 执行 4 次，耗时 4 倍。

这里的错误是什么？有人可以帮忙吗？

提前致谢

萨钦

Answer 1

我认为您误解了pool.imap_unordered 的工作原理，提供的函数将使用来自sites 的值之一调用，而在您的情况下，您实际上完全丢弃了提供的url 并循环所有值siteslist。

你应该这样做

def sitesize(url):
    with urllib.request.urlopen(url) as u:
        page = u.read()
        print(url, len(page))

请参阅doc。

Answer 2

几个问题：

def sitesize(url):
    result = {}
    for url in sites:
        with urllib.request.urlopen(url) as u:
            page = u.read()
            result[url] = len(page)
    return result

• sitesize 不返回任何内容 --> 请参阅上文了解您需要的内容
• 不需要循环for result in pool.imap_unordered(sitesize, sites): --> 改为result = pool.map(sitesize, sites)