在Python3中使用多处理读取文件

我有非常大的文件。每个文件几乎都是2GB。因此，我想并行运行多个文件。我可以这样做，因为所有的文件都有相似的格式，所以文件读取可以并行进行。我知道我应该使用多处理库，但我真的很困惑如何在代码中使用它

我的文件读取代码是：

def file_reading(file,num_of_sample,segsites,positions,snp_matrix):
    with open(file,buffering=2000009999) as f:
        ###I read file here. I am not putting that code here.
        try:
            assert len(snp_matrix) == len(positions)
            return positions,snp_matrix ## return statement
        except:
            print('length of snp matrix and length of position vector not the same.')
            sys.exit(1)

我的主要职能是：

if __name__ == "__main__":    
    segsites = []
    positions = []
    snp_matrix = []




    path_to_directory = '/dataset/example/'
    extension = '*.msOut'

    num_of_samples = 162
    filename = glob.glob(path_to_directory+extension)

    ###How can I use multiprocessing with function file_reading
    number_of_workers = 10

   x,y,z = [],[],[]

    array_of_number_tuple = [(filename[file], segsites,positions,snp_matrix) for file in range(len(filename))]
    with multiprocessing.Pool(number_of_workers) as p:
        pos,snp = p.map(file_reading,array_of_number_tuple)
        x.extend(pos)
        y.extend(snp)

因此，我对函数的输入如下：

文件-包含文件名的列表

样本数-整数值

segsites-最初是一个空列表，我在读取文件时希望附加到该列表中

位置-最初是一个空列表，在我读取文件时，我希望将其附加到该列表中

snp_矩阵-最初是一个空列表，当我读取文件时，我希望附加到该列表中

该函数在末尾返回位置列表和snp_矩阵列表。在参数为列表和整数的情况下，如何使用多处理？我使用多处理的方式给了我以下错误：

---

TypeError:file_reading（）缺少3个必需的位置参数：“segsite”、“positions”和“snp_matrix”传递到Pool.map的列表中的元素不会自动解压缩。“文件读取”函数中通常只能有一个参数

当然，这个参数可以是一个元组，所以自己解包是没有问题的：

def file_reading(args):
    file, num_of_sample, segsites, positions, snp_matrix = args
    with open(file,buffering=2000009999) as f:
        ###I read file here. I am not putting that code here.
        try:
            assert len(snp_matrix) == len(positions)
            return positions,snp_matrix ## return statement
        except:
             print('length of snp matrix and length of position vector not the same.')
            sys.exit(1)

if __name__ == "__main__":    
    segsites = []
    positions = []
    snp_matrix = []

    path_to_directory = '/dataset/example/'
    extension = '*.msOut'

    num_of_samples = 162
    filename = glob.glob(path_to_directory+extension)

    number_of_workers = 10

    x,y,z = [],[],[]


    array_of_number_tuple = [(filename[file], num_of_samples, segsites,positions,snp_matrix) for file in range(len(filename))]
    with multiprocessing.Pool(number_of_workers) as p:
        pos,snp = p.map(file_reading,array_of_number_tuple)
        x.extend(pos)
        y.extend(snp)

---

对于未来，阅读以下内容可能会有所帮助：（我认为现在的问题与最初的问题相比发生了很大变化——尽管你可能想问同样的问题，但所写的内容有点不同）。因此，我删除了我的答案，因为它现在没有意义了……而且，你应该阅读并尝试使你的问题尽可能接近那里描述的内容。