Python的多處理程序包中的隊列和管道之間的根本區(qū)別是什么？

在什么情況下應該選擇一種？ 什么時候使用Pipe()有優(yōu)勢？ 什么時候使用Queue()有優(yōu)勢？

Pipe()只能有兩個端點。

Queue()可以有多個生產(chǎn)者和消費者。

何時使用它們

如果需要兩個以上的點進行通信，請使用Queue()。

如果您需要絕對性能，則Pipe()會更快，因為Queue()是建立在Pipe()之上的。

績效基準

假設您要生成兩個進程并在它們之間盡快發(fā)送消息。這些是使用Pipe()和Queue()進行的類似測試之間的拖動競賽的計時結果。這是在運行Ubuntu 11.10和Python 2.7.2的ThinkpadT61上進行的。

僅供參考，我將JoinableQueue()的結果作為獎勵； JoinableQueue()在調(diào)用queue.task_done()時負責任務(它甚至不知道特定任務，它只計算隊列中未完成的任務)，因此queue.join()知道工作已完成。

此答案底部的每個代碼...

mpenning@mpenning-T61:~$ python multi_pipe.py

Sending 10000 numbers to Pipe() took 0.0369849205017 seconds

Sending 100000 numbers to Pipe() took 0.328398942947 seconds

Sending 1000000 numbers to Pipe() took 3.17266988754 seconds

mpenning@mpenning-T61:~$ python multi_queue.py

Sending 10000 numbers to Queue() took 0.105256080627 seconds

Sending 100000 numbers to Queue() took 0.980564117432 seconds

Sending 1000000 numbers to Queue() took 10.1611330509 seconds

mpnening@mpenning-T61:~$ python multi_joinablequeue.py

Sending 10000 numbers to JoinableQueue() took 0.172781944275 seconds

Sending 100000 numbers to JoinableQueue() took 1.5714070797 seconds

Sending 1000000 numbers to JoinableQueue() took 15.8527247906 seconds

mpenning@mpenning-T61:~$

總結Pipe()大約是Queue()的三倍。除非您確實必須擁有這些好處，否則甚至不要考慮JoinableQueue()。

獎勵材料2

除非您知道一些捷徑，否則多處理會在信息流中引入微妙的變化，使調(diào)試變得困難。例如，在許多情況下，當您通過字典建立索引時，您的腳本可能運行良好，但是某些輸入很少會失敗。

通常，當整個python進程崩潰時，我們會獲得有關失敗的線索；但是，如果多處理功能崩潰，則不會在控制臺上打印未經(jīng)請求的崩潰回溯。很難找到未知的多處理崩潰，而又不知道導致進程崩潰的線索。

我發(fā)現(xiàn)跟蹤多處理崩潰信息的最簡單方法是將整個多處理功能包裝在try / except中并使用traceback.print_exc()：

import traceback

def reader(args):

try:

# Insert stuff to be multiprocessed here

return args[0]['that']

except:

print"FATAL: reader({0}) exited while multiprocessing".format(args)

traceback.print_exc()

現(xiàn)在，當您發(fā)現(xiàn)崩潰時，您會看到類似以下內(nèi)容的信息：

FATAL: reader([{'crash', 'this'}]) exited while multiprocessing

Traceback (most recent call last):

File"foo.py", line 19, in __init__

self.run(task_q, result_q)

File"foo.py", line 46, in run

raise ValueError

ValueError

源代碼：

"""

multi_pipe.py

"""

from multiprocessing import Process, Pipe

import time

def reader_proc(pipe):

## Read from the pipe; this will be spawned as a separate Process

p_output, p_input = pipe

p_input.close() ? ?# We are only reading

while True:

msg = p_output.recv() ? ?# Read from the output pipe and do nothing

if msg=='DONE':

break

def writer(count, p_input):

for ii in xrange(0, count):

p_input.send(ii) ? ? ? ? ? ? # Write 'count' numbers into the input pipe

p_input.send('DONE')

if __name__=='__main__':

for count in [10**4, 10**5, 10**6]:

# Pipes are unidirectional with two endpoints: ?p_input ------> p_output

p_output, p_input = Pipe() ?# writer() writes to p_input from _this_ process

reader_p = Process(target=reader_proc, args=((p_output, p_input),))

reader_p.daemon = True

reader_p.start() ? ? # Launch the reader process

p_output.close() ? ? ? # We no longer need this part of the Pipe()

_start = time.time()

writer(count, p_input) # Send a lot of stuff to reader_proc()

p_input.close()

reader_p.join()

print("Sending {0} numbers to Pipe() took {1} seconds".format(count,

(time.time() - _start)))

"""

multi_queue.py

"""

from multiprocessing import Process, Queue

import time

import sys

def reader_proc(queue):

## Read from the queue; this will be spawned as a separate Process

while True:

msg = queue.get() ? ? ? ? # Read from the queue and do nothing

if (msg == 'DONE'):

break

def writer(count, queue):

## Write to the queue

for ii in range(0, count):

queue.put(ii) ? ? ? ? ? ? # Write 'count' numbers into the queue

queue.put('DONE')

if __name__=='__main__':

pqueue = Queue() # writer() writes to pqueue from _this_ process

for count in [10**4, 10**5, 10**6]:

### reader_proc() reads from pqueue as a separate process

reader_p = Process(target=reader_proc, args=((pqueue),))

reader_p.daemon = True

reader_p.start() ? ? ? ?# Launch reader_proc() as a separate python process

_start = time.time()

writer(count, pqueue) ? ?# Send a lot of stuff to reader()

reader_p.join() ? ? ? ? # Wait for the reader to finish

print("Sending {0} numbers to Queue() took {1} seconds".format(count,

(time.time() - _start)))

"""

multi_joinablequeue.py

"""

from multiprocessing import Process, JoinableQueue

import time

def reader_proc(queue):

## Read from the queue; this will be spawned as a separate Process

while True:

msg = queue.get() ? ? ? ? # Read from the queue and do nothing

queue.task_done()

def writer(count, queue):

for ii in xrange(0, count):

queue.put(ii) ? ? ? ? ? ? # Write 'count' numbers into the queue

if __name__=='__main__':

for count in [10**4, 10**5, 10**6]:

jqueue = JoinableQueue() # writer() writes to jqueue from _this_ process

# reader_proc() reads from jqueue as a different process...

reader_p = Process(target=reader_proc, args=((jqueue),))

reader_p.daemon = True

reader_p.start() ? ? # Launch the reader process

_start = time.time()

writer(count, jqueue) # Send a lot of stuff to reader_proc() (in different process)

jqueue.join() ? ? ? ? # Wait for the reader to finish

print("Sending {0} numbers to JoinableQueue() took {1} seconds".format(count,

(time.time() - _start)))

@Jonathan"總而言之，Pipe()比Queue()快三倍"

但是Pipe()不能安全地與多個生產(chǎn)者/消費者一起使用。

優(yōu)秀的！好的答案，很高興您提供了基準！我只有兩個小問題：(1)"快幾個數(shù)量級"有點夸大其詞。差異為x3，約為一個數(shù)量級的三分之一。只是說。 ;-); (2)比較公平的比較是正在運行的N個工作程序，每個工作人員都通過點對點管道與主線程進行通信，而運行中的N個工作程序的性能都是從單個點對多點隊列中提取的。

對您的"獎金材料" ...是的。如果您是Process的子類，請將大部分run方法放在try塊中。這也是記錄異常的有用方法。復制普通異常輸出：sys.stderr.write(.join(traceback.format_exception(*(sys.exc_info()))))

通過管道將錯誤消息發(fā)送到另一個進程并在另一個進程中處理錯誤會更好嗎？

@ alexpinho98-但是您將需要一些帶外數(shù)據(jù)以及相關的信令模式，以指示您發(fā)送的不是常規(guī)數(shù)據(jù)而是錯誤數(shù)據(jù)。鑒于發(fā)起過程已經(jīng)處于不可預測的狀態(tài)，這可能要問的太多了。

@邁克，只是想說你很棒。這個答案對我很有幫助。

@JJC要對自己的測驗進行測驗，3x大約是一個數(shù)量級，而不是三分之一-sqrt(10)=?3。

在multi-pipe.py中，如何知道在調(diào)用inp_p.close之前將所有項放入管道。

@ideoutrea，同意顯式比隱式好

總結

以上是生活随笔為你收集整理的python 管道队列_关于python：Multiprocessing-管道与队列的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。