如何使用多处理管理作用域

问题描述

我正在尝试实现一个使用pythonmultiprocessing的函数，以加快计算速度。我正在尝试创建成对距离矩阵，但使用for循环的实现需要8个多小时。

这段代码似乎运行得更快，但当我打印时，矩阵中全是零。当我打印函数中的行时，它似乎起作用了。我认为这是范围问题，但我无法理解如何处理它。

import multiprocessing
import time
import numpy as np

def MultiProcessedFunc(i,x):
    for j in range(i,len(x)):
        time.sleep(0.08)
        M[i,j] = (x[i]+x[j])/2
    print(M[i,:]) # Check if the operation works
    print('')

processes = []

v = [x+1 for x in range(8000)]
M = np.zeros((len(v),len(v)))

for i in range(len(v)):
    p = multiprocessing.Process(target = MultiProcessedFunc, args =(i,v))
    processes.append(p)
    p.start()

for process in processes:
    process.join()
end = time.time()

print('Multiprocessing: {}'.format(end-start))
print(M)

---

解决方案

遗憾的是，您的代码不能以这种方式编写。多进程产生独立的进程，这意味着内存空间是独立的！一个子流程所做的更改不会反映在其他流程或您的父流程中。

严格地说，这不是作用域问题。作用域是在单个解释器进程中定义的内容。

模块does provide means of sharing memory between processes，但这是有代价的(由于锁定等问题，共享内存速度要慢得多。

现在，NumPy有了一个很好的特性：it releases the GIL during computation。这意味着使用MULTIthreading而不是multiprocessing应该会给您带来一些好处，只需将import multiprocessing替换为import threading并将multiprocessing.Process替换为threading.Thread即可。代码应该会产生正确的结果。在我的机器上，删除print语句和它运行的sleep代码不到8秒：

Multiprocessing: 7.48570203781
[[1.000e+00 1.000e+00 2.000e+00 ... 3.999e+03 4.000e+03 4.000e+03]
 [0.000e+00 2.000e+00 2.000e+00 ... 4.000e+03 4.000e+03 4.001e+03]
 [0.000e+00 0.000e+00 3.000e+00 ... 4.000e+03 4.001e+03 4.001e+03]
 ...
 [0.000e+00 0.000e+00 0.000e+00 ... 7.998e+03 7.998e+03 7.999e+03]
 [0.000e+00 0.000e+00 0.000e+00 ... 0.000e+00 7.999e+03 7.999e+03]
 [0.000e+00 0.000e+00 0.000e+00 ... 0.000e+00 0.000e+00 8.000e+03]]

另一种方法是使子流程返回结果，然后将结果合并到主流程中。