具有多处理功能的 Python 装饰器失败

Question

我想在一个函数上使用装饰器，随后将其传递给多处理池。但是，代码失败并显示“PicklingError: Can't pickle : attribute lookup __builtin__.function failed”。我不太明白为什么它在这里失败。我确信这很简单，但我找不到。下面是一个最小的“工作”示例。我认为使用 functools 函数就足以让它工作。

如果我注释掉函数装饰，它可以正常工作。我在这里误解了multiprocessing 是什么？有什么办法可以做到这一点？

编辑：在添加可调用类装饰器和函数装饰器后，结果发现函数装饰器按预期工作。可调用的类装饰器继续失败。什么是可调用的类版本可以防止它被腌制？

import random
import multiprocessing
import functools

class my_decorator_class(object):
    def __init__(self, target):
        self.target = target
        try:
            functools.update_wrapper(self, target)
        except:
            pass

    def __call__(self, elements):
        f = []
        for element in elements:
            f.append(self.target([element])[0])
        return f

def my_decorator_function(target):
    @functools.wraps(target)
    def inner(elements):
        f = []
        for element in elements:
            f.append(target([element])[0])
        return f
    return inner

@my_decorator_function
def my_func(elements):
    f = []
    for element in elements:
        f.append(sum(element))
    return f

if __name__ == '__main__':
    elements = [[random.randint(0, 9) for _ in range(5)] for _ in range(10)]
    pool = multiprocessing.Pool(processes=4)
    results = [pool.apply_async(my_func, ([e],)) for e in elements]
    pool.close()
    f = [r.get()[0] for r in results]
    print(f)

Answer 1

问题是泡菜需要有某种方法来重新组装你泡菜的所有东西。请参阅此处了解可以腌制的内容：

http://docs.python.org/library/pickle.html#what-can-be-pickled-and-unpickled

酸洗my_func时，需要酸洗以下组件：

• my_decorator_class 的一个实例，称为my_func。

  这很好。 Pickle 将存储类的名称并腌制其__dict__ 内容。 unpickling 时，它使用名称查找类，然后创建一个实例并填写__dict__ 内容。但是，__dict__ 的内容存在问题...

• 存储在my_func.target 中的原始my_func 的实例。

  这不太好。它是顶层的函数，通常可以腌制。 Pickle 将存储函数的名称。然而，问题在于名称“my_func”不再绑定到未修饰函数，而是绑定到修饰函数。这意味着 pickle 将无法查找未修饰的函数来重新创建对象。可悲的是，pickle 无法知道它试图腌制的对象总是可以在名称 __main__.my_func 下找到。

你可以这样改变它，它会起作用：

import random
import multiprocessing
import functools

class my_decorator(object):
    def __init__(self, target):
        self.target = target
        try:
            functools.update_wrapper(self, target)
        except:
            pass

    def __call__(self, candidates, args):
        f = []
        for candidate in candidates:
            f.append(self.target([candidate], args)[0])
        return f

def old_my_func(candidates, args):
    f = []
    for c in candidates:
        f.append(sum(c))
    return f

my_func = my_decorator(old_my_func)

if __name__ == '__main__':
    candidates = [[random.randint(0, 9) for _ in range(5)] for _ in range(10)]
    pool = multiprocessing.Pool(processes=4)
    results = [pool.apply_async(my_func, ([c], {})) for c in candidates]
    pool.close()
    f = [r.get()[0] for r in results]
    print(f)

---

您已经观察到装饰器功能在类不起作用时起作用。我相信这是因为functools.wraps 修改了修饰函数，使其具有它包装的函数的名称和其他属性。就 pickle 模块而言，它与普通的顶级函数没有区别，因此它通过存储其名称来腌制它。解压后，名称将绑定到装饰函数，因此一切正常。

Answer 2

在多处理中使用装饰器时我也遇到了一些问题。不知道是不是和你一样的问题：

我的代码如下所示：

from multiprocessing import Pool

def decorate_func(f):
    def _decorate_func(*args, **kwargs):
        print "I'm decorating"
        return f(*args, **kwargs)
    return _decorate_func

@decorate_func
def actual_func(x):
    return x ** 2

my_swimming_pool = Pool()
result = my_swimming_pool.apply_async(actual_func,(2,))
print result.get()

当我运行代码时，我得到了这个：

Traceback (most recent call last):
  File "test.py", line 15, in <module>
    print result.get()
  File "somedirectory_too_lengthy_to_put_here/lib/python2.7/multiprocessing/pool.py", line 572, in get
    raise self._value
cPickle.PicklingError: Can't pickle <type 'function'>: attribute lookup __builtin__.function failed

我通过定义一个新函数将函数包装在装饰器函数中来修复它，而不是使用装饰器语法

from multiprocessing import Pool

def decorate_func(f):
    def _decorate_func(*args, **kwargs):
        print "I'm decorating"
        return f(*args, **kwargs)
    return _decorate_func

def actual_func(x):
    return x ** 2

def wrapped_func(*args, **kwargs):
    return decorate_func(actual_func)(*args, **kwargs)

my_swimming_pool = Pool()
result = my_swimming_pool.apply_async(wrapped_func,(2,))
print result.get()

代码运行完美，我得到了：

I'm decorating
4

我在 Python 方面不是很有经验，但这个解决方案解决了我的问题

Answer 3

如果你想要装饰器太糟糕（像我一样），你也可以在函数字符串上使用exec() 命令，以规避提到的酸洗。

我希望能够将所有参数传递给原始函数，然后依次使用它们。以下是我的代码。

一开始，我做了一个make_functext()函数，将目标函数对象转换为字符串。为此，我使用了inspect 模块中的getsource() 函数（请参阅文档here 并注意它无法从编译代码等中检索源代码）。这里是：

from inspect import getsource

def make_functext(func):
    ft = '\n'.join(getsource(func).split('\n')[1:]) # Removing the decorator, of course
    ft = ft.replace(func.__name__, 'func')          # Making function callable with 'func'
    ft = ft.replace('#§ ', '').replace('#§', '')    # For using commented code starting with '#§'
    ft = ft.strip()                                 # In case the function code was indented
    return ft

它用于以下将成为进程目标的_worker() 函数：

def _worker(functext, args):
    scope = {}               # This is needed to keep executed definitions
    exec(functext, scope)
    scope['func'](args)      # Using func from scope

最后，这是我的装饰器：

from multiprocessing import Process 

def parallel(num_processes, **kwargs):
    def parallel_decorator(func, num_processes=num_processes):
        functext = make_functext(func)
        print('This is the parallelized function:\n', functext)
        def function_wrapper(funcargs, num_processes=num_processes):
            workers = []
            print('Launching processes...')
            for k in range(num_processes):
                p = Process(target=_worker, args=(functext, funcargs[k])) # use args here
                p.start()
                workers.append(p)
        return function_wrapper
    return parallel_decorator

代码最终可以通过定义这样的函数来使用：

@parallel(4)
def hello(args):
    #§ from time import sleep     # use '#§' to avoid unnecessary (re)imports in main program
    name, seconds = tuple(args)   # unpack args-list here
    sleep(seconds)
    print('Hi', name)

...现在可以这样调用：

hello([['Marty', 0.5],
       ['Catherine', 0.9],
       ['Tyler', 0.7],
       ['Pavel', 0.3]])

...输出：

This is the parallelized function:
 def func(args):
        from time import sleep
        name, seconds = tuple(args)
        sleep(seconds)
        print('Hi', name)
Launching processes...
Hi Pavel
Hi Marty
Hi Tyler
Hi Catherine

感谢阅读，这是我的第一篇文章。如果您发现任何错误或不良做法，请随时发表评论。我知道这些字符串转换很脏，但是...

Answer 4

如果您将此代码用于您的装饰器：

import multiprocessing
from types import MethodType


DEFAULT_POOL = []


def run_parallel(_func=None, *, name: str = None, context_pool: list = DEFAULT_POOL):

    class RunParallel:
        def __init__(self, func):
            self.func = func

        def __call__(self, *args, **kwargs):
            process = multiprocessing.Process(target=self.func, name=name, args=args, kwargs=kwargs)
            context_pool.append(process)
            process.start()

        def __get__(self, instance, owner):
            return self if instance is None else MethodType(self, instance)

    if _func is None:
        return RunParallel
    else:
        return RunParallel(_func)


def wait_context(context_pool: list = DEFAULT_POOL, kill_others_if_one_fails: bool = False):
    finished = []
    for process in context_pool:
        process.join()
        finished.append(process)

        if kill_others_if_one_fails and process.exitcode != 0:
            break

    if kill_others_if_one_fails:
        # kill unfinished processes
        for process in context_pool:
            if process not in finished:
                process.kill()

        # wait for every process to be dead
        for process in context_pool:
            process.join()

那么你可以像这样使用它，在这 4 个例子中：

@run_parallel
def m1(a, b="b"):
    print(f"m1 -- {a=} {b=}")


@run_parallel(name="mym2", context_pool=DEFAULT_POOL)
def m2(d, cc="cc"):
    print(f"m2 -- {d} {cc=}")
    a = 1/0


class M:

    @run_parallel
    def c3(self, k, n="n"):
        print(f"c3 -- {k=} {n=}")

    @run_parallel(name="Mc4", context_pool=DEFAULT_POOL)
    def c4(self, x, y="y"):
        print(f"c4 -- {x=} {y=}")


if __name__ == "__main__":
    m1(11)
    m2(22)
    M().c3(33)
    M().c4(44)
    wait_context(kill_others_if_one_fails=True)

输出将是：

m1 -- a=11 b='b'

m2 -- 22 cc='cc'

c3 -- k=33 n='n'

（随后是方法 m2 中引发的异常）