Python 多进程更改每个进程的当前文件夹

我正在尝试使用

多处理

模块来并行一些计算

如何确保由

multiprocessing.Pool.map\u async

生成的每个进程都在不同的（以前创建的）文件夹上运行

问题是，每个进程都会调用一些将临时文件写入磁盘的第三方库，如果在同一个文件夹中运行许多临时文件，就会把一个文件和另一个文件弄乱

此外，我不能为map_async进行的每个函数调用创建一个新文件夹，而是希望创建尽可能少的文件夹（即，每个进程一个）

代码与此类似：

import multiprocessing,os,shutil
processes=16

#starting pool
pool=multiprocessing.Pool(processes)

#The asked dark-magic here?

devshm='/dev/shm/'
#Creating as many folders as necessary
for p in range(16):
    os.mkdir(devshm+str(p)+'/')
    shutil.copy(some_files,p)

def example_function(i):
    print os.getcwd()
    return i*i
result=pool.map_async(example_function,range(1000))

因此，在任何时候，示例_函数的每次调用都会在不同的文件夹上执行

我知道一个解决方案可能是使用子进程生成不同的进程，但我希望坚持多进程（我需要为每个生成的子进程pickle一些对象、写入磁盘、读取、取消pickle，而不是通过函数调用传递对象本身（使用functools.partial）

附言

在某种程度上是相似的，但该解决方案不能保证每个函数调用都发生在不同的文件夹中，这确实是我的目标。

由于您在问题中没有指定，我假设您在函数完成执行后不需要目录的内容

最简单的方法是在使用临时目录的函数中创建和销毁临时目录。这样，代码的其余部分就不关心工作进程的环境/目录，而且

池
非常适合。我还将使用python的内置功能创建临时目录：

import multiprocessing, os, shutil, tempfile
processes=16

def example_function(i):
    with tempfile.TemporaryDirectory() as path:
        os.chdir(path)
        print(os.getcwd())
        return i*i

if __name__ == '__main__':
    #starting pool
    pool=multiprocessing.Pool(processes)

    result=pool.map(example_function,range(1000))

注意：是在python 3.2中引入的。如果您使用的是较旧版本的python，则可以

如果您确实需要预先设置目录

尝试使用
池
进行此操作有点麻烦。您可以传递要与数据一起使用的目录名，但只能传递与目录数相等的初始数量。然后，您需要使用类似
imap\u unordered
的方法来查看何时完成结果（其目录可供重用）

在我看来，更好的方法不是使用
池
，而是创建单独的
进程
对象，并将每个对象分配到一个目录。如果需要控制
进程
环境的某个部分，这通常会更好，如果问题是由数据驱动的，则
池
通常会更好nd不关心进程或它们的环境

向流程对象传递数据和从流程对象传递数据有不同的方法，但最简单的方法是队列：

import multiprocessing,os,shutil
processes=16

in_queue = multiprocessing.Queue()
out_queue = multiprocessing.Queue()

def example_function(path, qin, qout):
    os.chdir(path)

    for i in iter(qin.get, 'stop'):
        print(os.getcwd())
        qout.put(i*i)


devshm='/dev/shm/'
# create processes & folders
procs = []
for i in range(processes):
    path = devshm+str(i)+'/'
    os.mkdir(path)
    #shutil.copy(some_files,path)

    procs.append(multiprocessing.Process(target=example_function, args=(path,in_queue, out_queue)))
    procs[-1].start()


# send input
for i in range(1000):
    in_queue.put(i)
# send stop signals
for i in range(processes):
    in_queue.put('stop')

# collect output    
results = []
for i in range(1000):
    results.append(out_queue.get())