多处理冻结计算机

Question

我通过使用多处理改进了我的执行时间，但我不确定 PC 的行为是否正确，它会冻结系统，直到所有进程完成。我正在使用 Windows 7 和 Python 2.7.

也许我做错了，这是我做的：

def do_big_calculation(sub_list, b, c):
    # do some calculations here with the sub_list

if __name__ == '__main__':
    list = [[1,2,3,4], [5,6,7,8], [9,10,11,12]]
    jobs = []
    for sub_l in list :
        j = multiprocessing.Process(target=do_big_calculation, args=(sub_l, b, c))
        jobs.append(j)
    for j in jobs:
        j.start()

Answer 1

在这里，您正在为每个任务创建 1 个 Process。这将运行您的所有任务并行进行，但它会给您的计算机带来沉重的开销，因为您的调度程序将需要管理许多进程。这可能会导致系统冻结，因为您的程序使用了太多资源。

此处的解决方案可能是使用 multiprocessing.Pool 到运行给定数量的进程同时执行某些任务：

import multiprocessing as mp

def do_big_calculation(args):
    sub_list, b, c = args
    return 1

if __name__ == '__main__':
    b, c = 1, 1
    ll = [([1, 2, 3, 4], b, c),
          ([5, 6, 7, 8], b, c),
          ([9, 10, 11, 12], b, c)]
    pool = mp.Pool(4)
    result = pool.map(do_big_calculation, ll)
    pool.terminate()
    print(result)

如果你准备好使用第三方库，你也可以看看concurrent.futures (you need to install it in python2.7 but it exists for python3.4+) or joblib（pip可用）：

from joblib import Parallel, delayed

def do_big_calculation(sub_list, b, c):
    return 1

if __name__ == '__main__':
    b, c = 1, 1
    ll = [([1, 2, 3, 4], b, c),
          ([5, 6, 7, 8], b, c),
          ([9, 10, 11, 12], b, c)]
    result = Parallel(n_jobs=-1)(
        delayed(do_big_calculation)(l, b, c) for l in ll)
    print(result)

此类库的主要优点是它正在开发中，而 python2.7 中的 multiprocessing 已冻结。因此，错误修复和改进相对频繁。
它还实现了一些巧妙的工具来减少计算开销。例如，它对大 numpy 数组使用内存映射（减少启动所有作业的内存占用）。

多处理冻结计算机

multiprocessing freeze computer

python

windows

python-multiprocessing