如何为多进程池中的单进程分配PYTHON请求会话？

问题描述

考虑以下代码示例：

import multiprocessing
import requests

session = requests.Session()
data_to_be_processed = [...]

def process(arg):
    # do stuff with arg and get url
    response = session.get(url)
    # process response and generate data...
    return data

with multiprocessing.Pool() as pool:
    results = pool.map(process, data_to_be_processed)

在示例中，Session被赋值为全局变量，因此在Pool中创建进程后，它将被复制到每个子进程中。我不确定会话是否是线程安全的，也不确定会话池的工作原理，因此我想为池中的每个进程分配单独的会话对象。

我知道我可以只使用requests.get(url)而不是session.get(url)，但我想使用Session，我也在考虑使用requests-html(https://html.python-requests.org/)。

我不太熟悉Python的多处理，到目前为止我只使用了池，因为它是我认为最好的并行处理数据的解决方案，没有临界区，所以我对不同的解决方案持开放态度。

有没有办法干净利落地做这件事？

---

解决方案

简答：您可以使用全局命名空间在初始值设定项和函数之间共享数据：

import multiprocessing
import requests

session = None
data_to_be_processed = [...]

def init_process():
    global session
    session = requests.Session()

def process(arg):
    global session
    # do stuff with arg and get url
    response = session.get(url)
    # process response and generate data...
    return data

with multiprocessing.Pool(initializer=init_process) as pool:
    results = pool.map(process, data_to_be_processed)

答案很长： Python使用三种可能的start methods之一。它们都将父进程和子进程之间的内存对象分开。在我们的示例中，这意味着Pool()运行的进程的全局命名空间中的更改不会传播回父进程，也不会传播回同级进程。

对于对象销毁，我们可以依赖垃圾收集器，它在子进程完成其工作后介入。多进程.Pool()中缺少显式关闭方法，因此无法用于GC无法销毁的对象(如Pool()本身-请参阅警告here) 从requests docs判断，使用请求而不显式关闭()是完全可以的。