时间戳

首页 > 解决方案 > Python 多处理 - apply_async 不起作用

python - Python 多处理 - apply_async 不起作用

问题描述

我正在尝试使用 ThreadPool 并行化代码。我目前正在研究窗户。基本上，我得到的行为是当我调用 apply_async 时没有任何反应。我的程序只打印开始和结束。

下面有一个例子：

import glob
import itertools
import pandas as pd
from multiprocessing.dummy import Pool as ThreadPool 


def ppp(window,day):
    print(window,day)


#%% Reading datasets
print('START')
tree = pd.read_csv('datan\\days.csv')
days = list(tree.columns)
windows = [2000]
processes_args = list(itertools.product(windows, days))


pool = ThreadPool(8) 
results = pool.apply_async(ppp, processes_args)
pool.close() 
pool.join() 
print('END')

堆栈上有很多问题建议调用其他方法，例如 imap_unordered、map、apply。但是，它们都没有解决问题。

编辑：

results.get()

返回有关参数数量的错误：

TypeError: ppp() takes 2 positional arguments but 10 were given

但是，文档指出我可以使用元组列表来传递参数，否则我该如何传递它们？

编辑2：

processes_args在调用 apply_async 之前看起来像下面的输出：

[(2000, '0808'),
 (2000, '0810'),
 (2000, '0812'),
 (2000, '0813'),
 (2000, '0814'),
 (2000, '0817'),
 (2000, '0818'),
 (2000, '0827'),
 (2000, '0828'),
 (2000, '0829')]

标签： pythonmultithreadingmultiprocessingthreadpool

解决方案

Pool.apply和中的位置参数Pool.apply_async使用* 解包语法展开。

根据processed_args内容，您的ppp函数在通过apply_async.

如果你想处理一个可迭代的，我建议你使用Pool.mapor Pool.map_async。这些map函数不会扩展可迭代对象中的参数。你需要自己照顾它。

def ppp(element):
    window, day = element
    print(window, day)

pool.map(ppp, processed_args)

如果要保持ppp函数不变，可以使用Pool.starmapwhich 在迭代器内容上应用参数扩展。

推荐阅读