使用多处理程序实现排序的生产者/消费者队列

Question

我有一个非常普通的生产者/消费者场景，但有一个转折。

我需要从数GB的输入流（可以是文件或HTTP流）中读取文本行；使用慢速且占用大量CPU的算法处理每一行，该算法将为输入的每一行输出一行文本；然后将输出行写入另一个流。所不同的是，我需要按照与产生它们的输入线相同的顺序来编写输出线。

这些情况的通常方法是使用multiprocessing.Pool运行CPU密集型算法，其中Queue从读取器进程中馈入行（实际上是成批的行），而另一个Queue从Pool和进入编写器过程：

                       / [Pool] \    
  [Reader] --> InQueue --[Pool]---> OutQueue --> [Writer]
                       \ [Pool] /

但是如何确保输出行（或批次）以正确的顺序排序？

一个简单的答案是，“只需将它们写入一个临时文件，然后对该文件进行排序并将其写入输出”。我可能最终会这样做，但是我真的很想尽快开始流输出行-而不是等待从头到尾处理整个输入流。

我可以轻松编写自己的multiprocessing.Queue实现，该实现将使用Dictionary（或循环缓冲区列表），Lock和两个Condition（可能还有一个整数计数器）在内部对其项进行排序。但是，我需要从Manager中获取所有这些对象，而且我担心在多个进程之间使用这样的共享状态会降低性能。因此，是否有解决此问题的适当Pythony方法？

我有一个非常普通的生产者/消费者场景，但有一个转折点。我需要从数GB的输入流（可以是文件或HTTP流）中读取文本行；用...

Answer 1

也许我遗漏了一些东西，但是看来您的问题有一个基本答案。