При запуске большого количества задач (с большими параметрами) с использованием Pool.apply_async процессы распределяются и переходят в состояние ожидания, и нет ограничений для количества ожидающих процессов. Это может в конечном итоге, употребляя всю память, как в примере ниже:Многопроцессорность Python: как ограничить количество ожидающих процессов?
import multiprocessing
import numpy as np
def f(a,b):
return np.linalg.solve(a,b)
def test():
p = multiprocessing.Pool()
for _ in range(1000):
p.apply_async(f, (np.random.rand(1000,1000),np.random.rand(1000)))
p.close()
p.join()
if __name__ == '__main__':
test()
Я ищу способ ограничить очереди ожидания, таким образом, что существует лишь ограниченное число процессов, ожидающих, и Pool.apply_async заблокирован, пока очередь ожидания заполнена.
Приятный пример (+1). – mgilson