使用多处理时，Python rpy2和matplotlib会发生冲突

Question

我正在尝试使用多处理来计算和生成绘图。在Linux上，下面的代码运行正常，但在Mac（ML）上它没有运行，给出以下错误：

import multiprocessing
import matplotlib.pyplot as plt
import numpy as np
import rpy2.robjects as robjects

def main():
    pool = multiprocessing.Pool()
    num_figs = 2
    # generate some random numbers
    input = zip(np.random.randint(10,1000,num_figs), 
                range(num_figs))

    pool.map(plot, input)

def plot(args):
    num, i = args
    fig = plt.figure()
    data = np.random.randn(num).cumsum()
    plt.plot(data)

main()

Rpy2是rpy2 == 2.3.1，R是2.13.2（我无法在任何mac上安装R 3.0和rpy2最新版本而不会出现分段错误）。

错误是：

The process has forked and you cannot use this CoreFoundation functionality safely. You MUST exec().
Break on __THE_PROCESS_HAS_FORKED_AND_YOU_CANNOT_USE_THIS_COREFOUNDATION_FUNCTIONALITY___YOU_MUST_EXEC__() to debug.
The process has forked and you cannot use this CoreFoundation functionality safely. You MUST exec().

我已经尝试了一切，以了解问题是什么，没有运气。我的配置是：

Danials-MacBook-Pro:~ danialt$ brew --config
HOMEBREW_VERSION: 0.9.4
ORIGIN: https://github.com/mxcl/homebrew
HEAD: 705b5e133d8334cae66710fac1c14ed8f8713d6b
HOMEBREW_PREFIX: /usr/local
HOMEBREW_CELLAR: /usr/local/Cellar
CPU: dual-core 64-bit penryn
OS X: 10.8.3-x86_64
Xcode: 4.6.2
CLT: 4.6.0.0.1.1365549073
GCC-4.2: build 5666
LLVM-GCC: build 2336
Clang: 4.2 build 425
X11: 2.7.4 => /opt/X11
System Ruby: 1.8.7-358
Perl: /usr/bin/perl
Python: /usr/local/bin/python => /usr/local/Cellar/python/2.7.4/Frameworks/Python.framework/Versions/2.7/bin/python2.7
Ruby: /usr/bin/ruby => /System/Library/Frameworks/Ruby.framework/Versions/1.8/usr/bin/ruby

有任何想法吗？

Answer 1

当您在主线程外部执行GUI操作时，在Mac OS X上会出现此错误，这正是您通过将绘图功能转移到multiprocessing.Pool所做的事情（我想它在Windows上也不会因为同样的原因而在Windows上运行） - 因为Windows有相同的要求）。我可以想象它工作的唯一方法是使用池来生成数据，然后让主线程在循环中等待返回的数据（队列是我通常处理它的方式......）。

这是一个例子（认识到这可能不会做你想要的 - 同时绘制所有数字？ - plt.show（）块，所以一次只绘制一个，我注意到你的样本中没有它代码 - 但没有我在屏幕上看不到任何内容 - 但是，如果我把它拿出来 - 没有阻塞也没有错误，因为所有的GUI功能都发生在主线程中）：

import multiprocessing
import matplotlib.pyplot as plt
import numpy as np
import rpy2.robjects as robjects

data_queue = multiprocessing.Queue()


def main():
    pool = multiprocessing.Pool()
    num_figs = 10

    # generate some random numbers
    input = zip(np.random.randint(10,10000,num_figs), range(num_figs))  
    pool.map(worker, input)

    figs_complete = 0
    while figs_complete < num_figs:
        data = data_queue.get()
        plt.figure()
        plt.plot(data)
        plt.show()
        figs_complete += 1

def worker(args):
    num, i = args
    data = np.random.randn(num).cumsum()
    data_queue.put(data)
    print('done ',i)

main()

希望这可以帮助。

Answer 2

我和我的工作人员有类似的问题，即加载一些数据，生成绘图并将其保存到文件中。请注意，这与OP的情况略有不同，后者似乎是围绕交互式绘图。不过，我认为这是相关的。

我的代码的简化版本：

def worker(id):
    data = load_data(id)
    plot_data_to_file(data) # Generates a plot and saves it to a file.

def plot_something_parallel(ids):
    pool = multiprocessing.Pool()
    pool.map(worker, ids)

plot_something_parallel(ids=[1,2,3])

这引起了其他人提到的同样错误：

The process has forked and you cannot use this CoreFoundation functionality safely. You MUST exec().
Break on __THE_PROCESS_HAS_FORKED_AND_YOU_CANNOT_USE_THIS_COREFOUNDATION_FUNCTIONALITY___YOU_MUST_EXEC__() to debug.

按照@bbbruce的思路，我通过将matplotlib后端从TKAgg切换到默认值来解决我的问题。具体来说，我在matplotlibrc文件中注释掉了以下行：

#backend : TkAgg

Answer 3

这可能是rpy2特定的。有报道称OS X和多处理here和there存在类似的问题。

我认为使用初始化程序导入运行代码中所需的包可以解决问题（multiprocessing-doc）。

Answer 4

尝试将matplotlib升级到3.0.3：

pip3 install matplotlib --upgrade

一切都很顺利。

=======================================================================

No need to read below anymore.

昨天，我的多进程图在我的MacBook Air上运行。但是明天早上没有使用相同的代码在我的MacBook Pro上工作，显示许多：

The process has forked and you cannot use this CoreFoundation functionality safely. You MUST exec().
Break on __THE_PROCESS_HAS_FORKED_AND_YOU_CANNOT_USE_THIS_COREFOUNDATION_FUNCTIONALITY___YOU_MUST_EXEC__() to debug.
The process has forked and you cannot use this CoreFoundation functionality safely. You MUST exec().

他们都使用第四代i intel CPU（i5-4xxx与air和i7-4xxx与pro）。因此，如果硬件没有区别，那么必须在软件上。

所以我只是尝试在MacBook Pro（3.0.1）上将matplotlib更新到3.0.3，一切都很顺利。

此外，不再需要做pool.apply_async了。