Python多处理和共享计数器

Question

我在多处理模块上遇到了麻烦。我正在使用具有其map方法的工作人员池从大量文件中加载数据，对于每个文件，我都使用自定义函数来分析数据。每次处理文件时，我都希望更新一个计数器，以便可以跟踪还有多少文件需要处理。这是示例代码：

def analyze_data( args ):
    # do something 
    counter += 1
    print counter


if __name__ == '__main__':

    list_of_files = os.listdir(some_directory)

    global counter
    counter = 0

    p = Pool()
    p.map(analyze_data, list_of_files)

我找不到解决方案。

Answer 1

问题在于该counter变量未在您的进程之间共享：每个单独的进程都在创建它自己的本地实例并对其进行递增。

有关可用于在进程之间共享状态的某些技术，请参阅文档的本部分。在您的情况下，您可能希望Value在工作人员之间共享一个实例

这是示例的工作版本（带有一些虚拟输入数据）。请注意，它使用的是全局值，实际上我会尽量避免使用这些值：

from multiprocessing import Pool, Value
from time import sleep

counter = None

def init(args):
    ''' store the counter for later use '''
    global counter
    counter = args

def analyze_data(args):
    ''' increment the global counter, do something with the input '''
    global counter
    # += operation is not atomic, so we need to get a lock:
    with counter.get_lock():
        counter.value += 1
    print counter.value
    return args * 10

if __name__ == '__main__':
    #inputs = os.listdir(some_directory)

    #
    # initialize a cross-process counter and the input lists
    #
    counter = Value('i', 0)
    inputs = [1, 2, 3, 4]

    #
    # create the pool of workers, ensuring each one receives the counter 
    # as it starts. 
    #
    p = Pool(initializer = init, initargs = (counter, ))
    i = p.map_async(analyze_data, inputs, chunksize = 1)
    i.wait()
    print i.get()