17370845950

Python multiprocessing.Pool默认采用“预分发”策略：任务提交即入共享队列，子进程空闲时主动拉取执行；无中心调度器，属简单高效的队列+工作窃取雏形，适合耗时均匀任务，但存在首任务阻塞问题。

Python的multiprocessing.Pool默认采用“预分发”（pre-distribution）策略：任务提交时即被放入内部任务队列，由空闲子进程主动拉取执行。这不是轮询或负载感知调度，而是一种简单高效的“队列+工作窃取”雏形。

默认分发机制：任务入队，进程自取

当你调用pool.apply_async()或pool.map()时，所有任务会先序列化并压入一个共享的multiprocessing.Queue（底层基于管道或共享内存）。子进程在完成当前任务后，立即尝试从该队列中get()下一个任务——没有中心调度器，也无实时负载汇报。

• 优点：低开销、高吞吐，适合任务耗时相对均匀的场景
• 缺点：若任务执行时间差异极大（如有的10ms、有的10s），短任务可能被“卡”在长任务之后，造成整体完成时间延长（head-of-line blocking）
• 注意：chunksize参数仅影响map类方法——它把可迭代对象切分成块，每块作为一个子任务提交，减少IPC次数，但不改变“谁来执行哪一块”的逻辑

手动控制分发节奏：避免队列积压

如果任务生成速度远超处理速度（例如实时日志解析+慢速IO写入），默认队列可能无限增长，引发内存溢出。此时应限制未决任务数：

• 使用pool.apply_async(..., callback=...)配合计数器，在回调中触发下一批提交
• 改用concurrent.futures.ProcessPoolExecutor，结合as_completed() + submit()实现流式提交
• 示例节制提交：保持最多20个待执行任务，每完成1个再submit 1个

绕过默认队列：自定义调度逻辑

当需要按优先级、资源标签或依赖关系调度时，可弃用Pool的内置队列，改用外部协调：

立即学习“Python免费学习笔记（深入）”；

• 启动固定数量子进程，各自连接Redis或ZMQ作为任务源，实现优先级队列或广播/单播分发
• 用multiprocessing.Manager创建dict或Queue做中央任务池，主进程按策略put()，子进程循环get_nowait()并处理
• 关键点：避免多个进程同时get()引发竞争，需加锁或用线程安全结构

调试与观测：看清任务怎么跑的

默认情况下你无法知道哪个进程拿了哪个任务。可通过以下方式追踪：

• 在worker函数开头打印os.getpid()和任务标识（如索引或ID）
• 用logging配置进程名（%(processName)s），配合文件handler分离日志
• 对关键路径加time.time()戳，分析任务启动/结束时间分布，识别倾斜