使用多处理时出现 PicklingError

Question

我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 for 循环函数，只要 Pool.map_async 的函数输入是“常规”函数，该函数就可以正常工作。当函数是例如类的方法时，我会得到一个PicklingError：

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

我仅使用Python进行科学计算，所以我对pickling的概念不太熟悉，刚刚了解了一些今天。我看过之前的几个答案，例如 可以't pickle <类型'instancemethod'>当使用 multiprocessing Pool.map() 时，但我无法弄清楚如何使其工作，即使按照答案中提供的链接也是如此。

我的代码，其目标是使用多个核心来模拟普通 rv 的向量。请注意，这只是一个示例，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)

按照中问题的答案中提供的链接可以't pickle <类型'instancemethod'>当使用多处理 Pool.map() 时，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，但这没有帮助。一种简单的解决方案当然是选择有效的解决方案，并避免涉及 copy_reg。我更感兴趣的是让 copy_reg 正常工作以充分利用多处理，而不必每次都解决问题。

Answer 1

这里的问题与其说是“pickle”错误消息，不如说是概念性的：
多进程确实将您的代码分叉到“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 - 它假设被调用者进程中存在一个具有相同名称的函数，并且（我猜）将函数名称作为字符串传递。由于函数是无状态的，因此被调用的工作进程仅使用其收到的数据调用同一函数。
（Python 函数无法通过 pickle 序列化，因此仅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方法时 - 尽管当我们编写 python 代码时，它与函数非常相似，使用“自动”self 变量，其底层并不相同。因为实例（对象）是有状态的。这意味着工作进程没有您要在另一端调用的方法的所有者的对象副本。

解决将方法作为函数传递给 map_async 调用的方法也不起作用 - 因为多进程仅使用函数引用，而不是传递它时的实际函数。

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以选择的，因此您可以在 map_async 调用上传递函数所有者本身的对象 - 并且“目标”函数将在工作端调用适当的方法本身。

（2）可能听起来“困难”，但它可能只是这样 - 除非你的对象的类不能被腌制：

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：我还没有测试过这个