使用多处理时的PicklingError

Question

在多处理模块中使用Pool.map_async（）（以及Pool.map（））时遇到问题。我实现了一个parallel for loop函数，只要Pool.map_async的函数输入是一个“常规”函数，它就可以正常工作。当函数是类的方法时，我得到一个PicklingError：

cPickle.PicklingError: Can't pickle <type 'function'>: attribute lookup __builtin__.function failed

我只把Python用于科学计算，所以我对pickling的概念不太熟悉，今天才了解了一点。我已经看了前面的几个答案，比如Can't pickle <type 'instancemethod'> when using python's multiprocessing Pool.map()，但是我不知道如何让它工作，即使在遵循答案中提供的链接时也是如此。

我的代码，目标是用多核模拟一个正常的r.v矢量。请注意，这只是一个例子，也许在多个内核上运行甚至没有回报。

import multiprocessing as mp
import scipy as sp
import scipy.stats as spstat

def parfor(func, args, static_arg = None, nWorkers = 8, chunksize = None):
    """
    Purpose: Evaluate function using Multiple cores.

    Input:
        func       - Function to evaluate in parallel
        arg        - Array of arguments to evaluate func(arg)  
        static_arg - The "static" argument (if any), i.e. the variables that are      constant in the evaluation of func.
        nWorkers   - Number of Workers to process computations.
    Output:
        func(i, static_arg) for i in args.

    """
    # Prepare arguments for func: Collect arguments with static argument (if any)
    if static_arg != None:
        arguments = [[arg] + static_arg for arg in list(args)]
    else:
        arguments = args

    # Initialize workers
    pool = mp.Pool(processes = nWorkers) 

    # Evaluate function
    result = pool.map_async(func, arguments, chunksize = chunksize)
    pool.close()
    pool.join()

    return sp.array(result.get()).flatten() 

# First test-function. Freeze location and scale for the Normal random variates generator.
# This returns a function that is a method of the class Norm_gen. Methods cannot be pickled
# so this will give an error.
def genNorm(loc, scale):
    def subfunc(a):
        return spstat.norm.rvs(loc = loc, scale = scale, size = a)
    return subfunc

# Second test-function. The same as above but does not return a method of a class. This is a "plain" function and can be 
# pickled
def test(fargs):
    x, a, b = fargs
    return spstat.norm.rvs(size = x, loc = a, scale = b)

# Try it out.
N = 1000000

# Set arguments to function. args1 = [1, 1, 1,... ,1], the purpose is just to generate a random variable of size 1 for each 
# element in the output vector.
args1 = sp.ones(N)
static_arg = [0, 1] # standarized normal.

# This gives the PicklingError
func = genNorm(*static_arg)
sim = parfor(func, args1, static_arg = None, nWorkers = 12, chunksize = None)

# This is OK:
func = test
sim = parfor(func, args1, static_arg = static_arg, nWorkers = 12, chunksize = None)

根据Can't pickle <type 'instancemethod'> when using python's multiprocessing Pool.map()中问题的答案中提供的链接，Steven Bethard（几乎在最后）建议使用copy_reg模块。他的密码是：

def _pickle_method(method):
    func_name = method.im_func.__name__
    obj = method.im_self
    cls = method.im_class
    return _unpickle_method, (func_name, obj, cls)

def _unpickle_method(func_name, obj, cls):
    for cls in cls.mro():
        try:
            func = cls.__dict__[func_name]
        except KeyError:
            pass
        else:
            break
    return func.__get__(obj, cls)

import copy_reg
import types

copy_reg.pickle(types.MethodType, _pickle_method, _unpickle_method)

我真不明白我怎么能利用这个。我唯一能想到的就是把它放在我的代码前面，但是没有用。当然，一个简单的解决方案是只使用有效的解决方案，避免卷入copy_reg。我更感兴趣的是让copy嫒u reg正常工作，充分利用多处理，而不必每次都绕过问题。

谢谢你的帮助，非常感谢。

马蒂亚斯

Answer 1

这里的问题不是“pickle”错误消息，而是概念性错误消息： 多进程确实将代码分叉到“worker”不同的进程中，以便执行 它的魔力。

然后，它通过无缝地序列化和反序列化数据（即使用pickle的部分）来向不同的进程发送数据。

当来回传递的数据中有一部分是函数时，它假定被调用者进程中存在同名的函数，并且（我猜）将函数名作为字符串传递。由于函数是无状态的，被调用的工作进程只是用它接收到的数据调用同一个函数。 （Python函数不能通过pickle序列化，因此只在主进程和工作进程之间传递引用）

当您的函数是实例中的一个方法时——尽管当我们编写python代码时，它与函数非常相似，使用一个“automatic”self变量，但它在下面是不同的。因为实例（对象）是有状态的。这意味着工作进程没有对象的副本，该对象是要在另一端调用的方法的所有者。

把方法作为函数传递给map_async调用的方法也行不通，因为多进程只是使用函数引用，而不是传递函数时使用的实际函数。

因此，您应该（1）更改代码，以便将函数（而不是方法）传递给工作进程，将对象保持的任何状态转换为要调用的新参数。 （2） 为映射异步调用创建一个“target”函数，该函数在工作进程端重建所需的对象，然后调用其中的函数。Python中最简单的类本身是可挑选的，因此可以在map_async调用中传递函数所有者本身的对象，而“target”函数将在工作端调用适当的方法本身。

（2）可能听起来“困难”，但可能只是这样-除非对象的类不能被pickle：

import types

def target(object, *args, **kw):
    method_name = args[0]
    return getattr(object, method_name)(*args[1:])
(...)    
#And add these 3 lines prior to your map_async call:


    # Evaluate function
    if isinstance (func, types.MethodType):
        arguments.insert(0, func.__name__)
        func = target
    result = pool.map_async(func, arguments, chunksize = chunksize)

*免责声明：我没有测试过这个