Python 多处理：PyObject_调用中无错误的空结果

这是一个我使用多处理的示例程序。使用

多处理.Process

完成计算，并使用

多处理.Queue

收集结果

#THIS PROGRAM RUNS WITH ~40Gb RAM. (you can reduce a,b,c for less RAM 
#but then it works for smaller values)
#PROBLEM OCCURS ONLY FOR HUGE DATA.   
from numpy import *
import multiprocessing as mp

a = arange(0, 3500, 5)
b = arange(0, 3500, 5)
c = arange(0, 3500, 5)  
a0 = 540. #random values
b0 = 26.
c0 = 826.
def rand_function(a, b, c, a0, b0, c0):
    Nloop = 100.
    def loop(Nloop, out):
        res_total = zeros((700, 700, 700), dtype = 'float') 
        n = 1
        while n <= Nloop:
            rad = sqrt((a-a0)**2 + (b-b0)**2 + (c-c0)**2)
            res_total += rad
            n +=1 
        out.put(res_total)
    out = mp.Queue() 
    jobs = []
    Nprocs = mp.cpu_count()
    print "No. of processors : ", Nprocs
    for i in range(Nprocs):
        p = mp.Process(target = loop, args=(Nloop/Nprocs, out)) 
        jobs.append(p)
        p.start()

    final_result = zeros((700, 700, 700), dtype = 'float')

    for i in range(Nprocs):
        final_result = final_result + out.get()

    p.join()
test = rand_function(a,b,c,a0, b0, c0)

我读到这是一个错误。但我无法理解。 有谁能告诉我使用多重处理计算巨大数据的方法吗

---

非常感谢

您参考的错误报告指出，多处理模块无法将大参数推送到子进程

原因是它需要对这些参数进行pickle，并将pickle后的blob存储在内存中的某个位置

但是，您不需要将数组作为参数传递

可能的原因：

• 作为目标传递闭包

  循环

• 将

  mp.Queue（）作为参数传递

请参阅如何将闭包转换为类

---

在控制多处理之前，请设置完整状态。

问题是，OP试图通过

多处理队列放置2.56 GB的Numpy数组。

。这仍然是一个相对较大的数量，可能会耗尽内存，或者pickle模块不支持它。Python 3修复了大型pickle的一些问题，因此如果可以，您可以尝试一下。

Traceback (most recent call last):
  File "/usr/lib/python2.7/multiprocessing/queues.py", line 266, in _feed
    send(obj)
SystemError: NULL result without error in PyObject_Call