使用多进程时的PicklingError

Question

在多处理模块中使用Pool.map_async() (以及Pool.map())时遇到问题。我已经实现了一个并行循环函数，只要输入到Pool.map_async的函数是“常规”函数，它就能正常工作。当函数是一个类的方法时，我会得到一个PicklingError

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

我只使用Python进行科学计算，所以我对酸洗的概念不是很熟悉，今天我才学到了一点。我已经看过几个以前的答案，比如Can't pickle when using multiprocessing Pool.map()，但我不知道如何让它工作，即使是按照答案中提供的链接。

我的代码，其中的目标是使用多个内核模拟正常r.v的向量。请注意，这只是一个示例，可能在多个内核上运行甚至不会带来回报。

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 when using multiprocessing Pool.map()中问题答案中提供的链接，Steven Bethard (几乎在最后)建议使用copy_reg模块。他的代码是：

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)

我真的不明白我该如何利用它。我唯一能想到的就是把它放在我的代码之前，但这并不管用。当然，一个简单的解决方案是只使用有效的解决方案，并避免涉及到copy_reg。我更感兴趣的是让copy_reg正常工作，以充分利用多进程，而不必每次都绕过问题。

Answer 1

这里的问题与其说是"pickle“错误消息，不如说是概念性的:多进程确实在"worker”不同的进程中派生代码，以便执行它的魔术。

然后，它通过无缝序列化和反序列化数据(即使用pickle的部分)将数据发送到不同的进程或从不同的进程发送数据。

当来回传递的部分数据是一个函数时-它假定被调用进程中存在一个同名的函数，并(我猜)将函数名作为字符串传递。因为函数是无状态的，所以被调用的工作进程只使用它接收到的数据调用相同的函数。(Python函数不能通过pickle序列化，所以只在主进程和辅助进程之间传递引用)

当你的函数是一个实例中的一个方法时-尽管当我们编写python代码时，它很像一个函数，有一个“自动”的self变量，但它的本质是不同的。因为实例(对象)是有状态的。这意味着辅助进程没有对象的副本，该对象是您要在另一端调用的方法的所有者。

绕过将方法作为函数传递给map_async调用的方法也是行不通的-因为多进程在传递函数时只使用函数引用，而不是实际的函数。

因此，您应该(1)更改您的代码，以便将函数(而不是方法)传递给工作进程，将对象保留的任何状态转换为要调用的新参数。(2)为map_async调用创建一个“目标”函数，该函数在工作进程端重新构造所需的对象，然后在其中调用该函数。Python中大多数简单的类本身都是可拾取的，因此您可以在map_async调用中传递作为函数所有者本身的对象-“目标”函数将在工作程序端调用适当的方法本身。

(2)听起来很“难”，但它可能就像这样--除非你的对象的类不能被酸洗：

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:我还没有测试过