使用 defaultdict 进行多处理？

Question

只是实验和学习，我知道如何创建一个可以通过多个进程访问的共享字典，但我不确定如何保持字典同步。我相信，defaultdict 说明了我遇到的问题。

from collections import defaultdict
from multiprocessing import Pool, Manager, Process

#test without multiprocessing
s = 'mississippi'
d = defaultdict(int)
for k in s:
    d[k] += 1

print d.items() # Success! result: [('i', 4), ('p', 2), ('s', 4), ('m', 1)]
print '*'*10, ' with multiprocessing ', '*'*10

def test(k, multi_dict):
    multi_dict[k] += 1

if __name__ == '__main__':
    pool = Pool(processes=4)
    mgr = Manager()
    multi_d = mgr.dict()
    for k in s:
        pool.apply_async(test, (k, multi_d))

    # Mark pool as closed -- no more tasks can be added.
    pool.close()

    # Wait for tasks to exit
    pool.join()

    # Output results
    print multi_d.items()  #FAIL

print '*'*10, ' with multiprocessing and process module like on python site example', '*'*10
def test2(k, multi_dict2):
    multi_dict2[k] += 1


if __name__ == '__main__':
    manager = Manager()

    multi_d2 = manager.dict()
    for k in s:
        p = Process(target=test2, args=(k, multi_d2))
    p.start()
    p.join()

    print multi_d2 #FAIL

第一个结果有效（因为它没有使用多处理），但我在让它与多处理一起工作时遇到问题。我不确定如何解决它，但我认为可能是由于它没有同步（并稍后加入结果）或者可能是因为在 multiprocessing 中我无法弄清楚如何设置 defaultdict (int) 到字典。

任何有关如何使其发挥作用的帮助或建议都会很棒！

Answer 1

您可以对 BaseManager 进行子类化并注册其他类型以进行共享。如果默认的 AutoProxy 生成的类型不起作用，您需要提供合适的代理类型。对于defaultdict，如果您只需要访问dict中已经存在的属性，则可以使用DictProxy。

from multiprocessing import Pool
from multiprocessing.managers import BaseManager, DictProxy
from collections import defaultdict

class MyManager(BaseManager):
    pass

MyManager.register('defaultdict', defaultdict, DictProxy)

def test(k, multi_dict):
    multi_dict[k] += 1

if __name__ == '__main__':
    pool = Pool(processes=4)
    mgr = MyManager()
    mgr.start()
    multi_d = mgr.defaultdict(int)
    for k in 'mississippi':
        pool.apply_async(test, (k, multi_d))
    pool.close()
    pool.join()
    print multi_d.items()

Answer 2

好吧，Manager 类似乎只提供了固定数量的可以在进程之间共享的预定义数据结构，而 defaultdict 并不在其中。如果您确实只需要一个 defaultdict，最简单的解决方案是自行实现默认行为：

def test(k, multi_dict):
    if k not in multi_dict:
        multi_dict[k] = 0
    multi_dict[k] += 1