使用MongoDB管理Python多处理

我试图用多处理函数运行我的代码，但mongo不断返回

“MongoClient在fork之前打开。使用 connect=False，或在分叉后创建客户端。“

我真的不明白我怎样才能使我的代码适应这个。 基本上，结构是：

db = MongoClient().database
db.authenticate('user', 'password', mechanism='SCRAM-SHA-1')
collectionW = db['words']
collectionT = db['sinMemo']
collectionL = db['sinLogic']


def findW(word):
    rows = collectionw.find({"word": word})
    ind = 0
    for row in rows:
        ind += 1
        id = row["_id"]

    if ind == 0:
        a = ind
    else:
        a = id
    return a



def trainAI(stri):
...
      if findW(word) == 0:

                _id = db['words'].insert(
                    {"_id": getNextSequence(db.counters, "nodeid"), "word": word})
                story = _id
            else:
                story = findW(word)
...


def train(index):
    # searching progress
    progFile = "./train/progress{0}.txt".format(index)
    trainFile = "./train/small_file_{0}".format(index)
    if os.path.exists(progFile):
        f = open(progFile, "r")
        ind = f.read().strip()
        if ind != "":

            pprint(ind)
            i = int(ind)
        else:
            pprint("No progress saved or progress lost!")
            i = 0
        f.close()

    else:
        i = 0
    #get the number of line of the file    
    rangeC = rawbigcount(trainFile)

    #fix unicode
    non_bmp_map = dict.fromkeys(range(0x10000, sys.maxunicode + 1), 0xfffd)
    files = io.open(trainFile, "r", encoding="utf8")
    str1 = ""
    str2 = ""

    filex = open(progFile, "w")

    with progressbar.ProgressBar(max_value=rangeC) as bar:
        for line in files:
            line = line.replace("\n", "")
            if i % 2 == 0:
                str1 = line.translate(non_bmp_map)
            else:
                str2 = line.translate(non_bmp_map)

            bar.update(i)
            trainAI(str1 + " " + str2)
            filex.seek(0)
            filex.truncate()
            filex.write(str(i))
            i += 1

#multiprocessing function

maxProcess = 3

def f(l, i):
    l.acquire()
    train(i + 1)
    l.release()

if __name__ == '__main__':
    lock = Lock()

    for num in range(maxProcess):
        pprint("start " + str(num))
        Process(target=f, args=(lock, num)).start()

此代码用于在4个不同的进程中读取4个不同的文件，同时将数据插入数据库。 我只复制了部分代码，以便让您了解它的结构

我已尝试将connect=False添加到此代码中，但没有添加任何内容

  db = MongoClient(connect=False).database
  db.authenticate('user', 'password', mechanism='SCRAM-SHA-1')
  collectionW = db['words']
  collectionT = db['sinMemo']
  collectionL = db['sinLogic']

然后我尝试在f函数中移动它（就在train（）之前），但我得到的结果是程序没有找到collectionW、collectionT和collectionL

我不是python或mongodb的专家，所以我希望这不是一个愚蠢的问题

---

代码在Ubuntu 16.04.2下运行，带有python 2.7.12。authenticate必须连接到mongo服务器，并尝试建立连接。因此，即使使用connect=False，db.authenticate也需要打开连接。

---

为什么不在fork之后创建mongo客户端实例呢？这看起来是最简单的解决方案。

因为

db.authenticate

必须打开MongoClient并连接到服务器，它会创建在fork子进程中不起作用的连接。因此，出现错误消息。请改为尝试以下操作：

db = MongoClient('mongodb://user:password@localhost', connect=False).database

---

另外，删除锁

l

。在一个子流程中获取锁对其他子流程没有影响。

下面是我如何解决问题的：

import pathos.pools as pp
import time
import db_access

class MultiprocessingTest(object):

    def __init__(self):
        pass

    def test_mp(self):
        data = [[form,'form_number','client_id'] for form in range(5000)]

        pool = pp.ProcessPool(4)
        pool.map(db_access.insertData, data)

if __name__ == '__main__':

    time_i = time.time()

    mp = MultiprocessingTest()
    mp.test_mp()

    time_f = time.time()

    print 'Time Taken: ', time_f - time_i

以下是db_access.py：

from pymongo import MongoClient

def insertData(form):
    client = MongoClient()
    db = client['TEST_001']
    db.initialization.insert({
        "form": form[0],
        "form_number": form[1],
        "client_id": form[2]
    })

---

您的代码会出现这种情况，因为您要为所有子进程启动一次MongoCLient（）。MongoCLient不是fork-safe。因此，在每个函数内部启动都有效，并让我知道是否有其他解决方案。

这并不完全是一个新主题，因为“线程安全”的一般概念使用数据库连接已经存在很长时间了。可能是因为错误消息如此具有描述性和精确性。您被告知仅在分叉后建立连接，以便连接仅存在于工作进程中。如果您需要某种类型的IPC，则可以使用其他方法来完成此操作。但数据库句柄将被复制到een进程/线程是“正确的”，已经有很长一段时间了。但我到底该怎么做呢？这是我不明白的一点。你可以在目标函数f中创建mongo客户端。或者将创建mongo客户端的代码放在函数f将调用的函数中。我已经做了，但是，正如我在问题中所写的，我不知道如何处理这些函数它需要变量collectionW、collectionT和collectionL。他已经从主进程创建了锁。因此，它将同步子进程。但是同步子进程在这里看起来并不合适，因为它是一种大锁，无法实现使用子进程的目的。在一个子进程中获取锁ss对其他子进程没有影响。=）实际上，多处理锁（不是线程公开的锁）由信号量（）支持，因此它们可以用于同步不同的进程。因此，如果其他进程也试图获取相同的锁，那么获取多处理锁将影响其他进程。这里有一个演示相同的要点哦，假设提问者使用的是一个多处理锁，那么你是对的，它有效果，这违背了使用子进程的目的。