Python 将多线程和多处理与concurrent.futures相结合

我有一个高度依赖于I/O和CPU密集型的函数。我试图通过多处理和多线程来并行化它，但它被卡住了。这个问题以前提过，但背景不同。我的函数是完全独立的，不返回任何内容。为什么卡住了？怎么能修好呢

import concurrent.futures
import os
import numpy as np
import time


ids = [1,2,3,4,5,6,7,8]

def f(x):
    time.sleep(1)
    x**2

def multithread_accounts(AccountNumbers, f, n_threads = 2):

    slices = np.array_split(AccountNumbers, n_threads)
    slices = [list(i) for i in slices]

    with concurrent.futures.ThreadPoolExecutor() as executor:
        executor.map(f, slices)



def parallelize_distribute(AccountNumbers, f, n_threads = 2, n_processors = os.cpu_count()):

    slices = np.array_split(AccountNumbers, n_processors)
    slices = [list(i) for i in slices]

    with concurrent.futures.ProcessPoolExecutor(max_workers=n_processors) as executor:
        executor.map( lambda x: multithread_accounts(x, f, n_threads = n_threads) , slices)
        
parallelize_distribute(ids, f, n_processors=2, n_threads=2)

---

对不起，我没时间解释所有这些，所以我只给代码“那行得通”。我敦促你从更简单的事情开始，因为学习曲线是不平凡的。一开始就把努比排除在外；一开始只粘线；然后移到仅流程；除非您是专家，否则不要尝试并行化除命名模块级函数（不，不是函数本地匿名lambda）之外的任何东西

正如经常发生的那样，您“应该”得到的错误消息被抑制，因为它们是异步发生的，所以没有好的方法来报告它们。自由地添加

print（）

语句，看看您的进展如何

注意：我去掉了numpy，并添加了所需的内容，这样它也可以在Windows上运行。我希望使用numpy的

array\u split（）

可以很好地工作，但我当时使用的机器上没有numpy

import concurrent.futures as cf
import os
import time

def array_split(xs, n):
    from itertools import islice
    it = iter(xs)
    result = []
    q, r = divmod(len(xs), n)
    for i in range(r):
        result.append(list(islice(it, q+1)))
    for i in range(n - r):
        result.append(list(islice(it, q)))
    return result
    
ids = range(1, 11)

def f(x):
    print(f"called with {x}")
    time.sleep(5)
    x**2

def multithread_accounts(AccountNumbers, f, n_threads=2):
    with cf.ThreadPoolExecutor(max_workers=n_threads) as executor:
        for slice in array_split(AccountNumbers, n_threads):
            executor.map(f, slice)

def parallelize_distribute(AccountNumbers, f, n_threads=2, n_processors=os.cpu_count()):
    slices = array_split(AccountNumbers, n_processors)
    print("top slices", slices)
    with cf.ProcessPoolExecutor(max_workers=n_processors) as executor:
        executor.map(multithread_accounts, slices,
                                           [f] * len(slices),
                                           [n_threads] * len(slices))

if __name__ == "__main__":
    parallelize_distribute(ids, f, n_processors=2, n_threads=2)

顺便说一句，我建议这对螺纹部分更有意义：

def multithread_accounts(AccountNumbers, f, n_threads=2):
    with cf.ThreadPoolExecutor(max_workers=n_threads) as executor:
        executor.map(f, AccountNumbers)

也就是说，这里真的没有必要自己拆分列表-线程机制将自己拆分列表。您可能在最初的尝试中错过了这一点，因为您发布的代码中的

ThreadPoolExecutor（）

调用忘记指定

max\u workers

参数