python - 如何在 Python 多处理中的所有进程之间共享数据？

Question

我想在给定文章中搜索预定义的关键字列表，如果在文章中找到关键字，则得分增加 1。我想使用多处理，因为预定义的关键字列表非常大 - 10k 个关键字，文章数量为 100k。

我遇到了 this问题，但它没有解决我的问题。

我尝试了这个实现，但得到的结果是 None。

keywords = ["threading", "package", "parallelize"]

def search_worker(keyword):
    score = 0
    article = """
    The multiprocessing package also includes some APIs that are not in the threading module at all. For example, there is a neat Pool class that you can use to parallelize executing a function across multiple inputs."""

   if keyword in article:
        score += 1
    return score

我尝试了以下两种方法，但结果得到了三种 None。

方法一:

 pool = mp.Pool(processes=4)
 result = [pool.apply(search_worker, args=(keyword,)) for keyword in keywords]

方法二:

result = pool.map(search_worker, keywords)
print(result)

实际输出: [None, None, None]

预期输出: 3

我想将预定义的关键字列表和文章一起发送给工作人员，但我不确定我的方向是否正确，因为我之前没有多处理经验。

提前致谢。

Answer 1

这是一个使用 Pool 的函数.您可以传递文本和关键字列表，它会起作用。你可以使用 Pool.starmap传递 (text, keyword) 的元组，但您需要处理一个对 text 有 10k 个引用的可迭代对象.

from functools import partial
from multiprocessing import Pool

def search_worker(text, keyword):
    return int(keyword in text)

def parallel_search_text(text, keyword_list):
    processes = 4
    chunk_size = 10
    total = 0
    func = partial(search_worker, text)
    with Pool(processes=processes) as pool:
        for result in pool.imap_unordered(func, keyword_list, chunksize=chunk_size):
            total += result

    return total

if __name__ == '__main__':
    texts = []  # a list of texts
    keywords = []  # a list of keywords
    for text in texts:
        print(parallel_search_text(text, keywords))

创建工作池会产生开销。可能值得花时间针对简单的单进程文本搜索功能对其进行测试。通过创建一个 Pool 的实例可以加快重复调用的速度并将其传递给函数。

def parallel_search_text2(text, keyword_list, pool):
    chunk_size = 10
    results = 0
    func = partial(search_worker, text)

    for result in pool.imap_unordered(func, keyword_list, chunksize=chunk_size):
        results += result
    return results

if __name__ == '__main__':
    pool = Pool(processes=4)
    texts = []  # a list of texts
    keywords = []  # a list of keywords
    for text in texts:
        print(parallel_search_text2(text, keywords, pool))