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)
例如,
Session
被分配为全局变量,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 session 是否是线程安全的,也不知道 session 中的池是如何工作的,所以 我想为池中的每个进程分配单独的 session 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 并且我也在考虑使用 requests-html
( https://html.python-requests.org/ )。我对 python 的多处理不是很熟悉,到目前为止我只使用了池,因为它是我认为并行处理数据而没有临界区的最佳解决方案,所以我对不同的解决方案持开放态度。
有没有办法做到干净和直接?
最佳答案
简短回答:您可以使用全局命名空间在 之间共享数据初始化程序 和 功能 :
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)
长答案:Python 使用三种可能的方法之一 start methods .它们都将父进程和子进程之间的内存对象分开。在我们的例子中,这意味着由 运行的进程的全局命名空间发生了变化。池() 不会传播回父进程,也不会传播回兄弟进程。
对于对象销毁,我们可以依靠垃圾收集器,一旦子进程完成它的工作,它就会介入。 中缺少显式关闭方法multiprocessing.Pool() 使其无法与 GC 不可破坏的对象一起使用(例如 Pool() 本身 - 参见警告 here )
从requests docs判断,完全可以使用 requests.Session 没有明确的 close() 就可以了。
关于python - 如何为多处理池中的单个进程分配 python 请求 session ?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52722362/