Muszę odczytać bardzo duże pliki tekstowe (100+ Mb), przetworzyć wszystkie linie za pomocą wyrażenia regularnego i zapisać dane w strukturze. Moja struktura dziedziczy po defaultdict, ma metodę odczytu (self), która odczytuje plik self.file_name.

Spójrz na ten bardzo prosty (ale nie prawdziwy) przykład, nie używam wyrażenia regularnego, ale dzielę linie:

import multiprocessing
from collections import defaultdict

def SingleContainer():
    return list()

class Container(defaultdict):
    """
    this class store odd line in self["odd"] and even line in self["even"].
    It is stupid, but it's only an example. In the real case the class
    has additional methods that do computation on readen data.
    """
    def __init__(self,file_name):
        if type(file_name) != str:
            raise AttributeError, "%s is not a string" % file_name
        defaultdict.__init__(self,SingleContainer)
        self.file_name = file_name
        self.readen_lines = 0
    def read(self):
        f = open(self.file_name)
        print "start reading file %s" % self.file_name
        for line in f:
            self.readen_lines += 1
            values = line.split()
            key = {0: "even", 1: "odd"}[self.readen_lines %2]
            self[key].append(values)
        print "readen %d lines from file %s" % (self.readen_lines, self.file_name)

def do(file_name):
    container = Container(file_name)
    container.read()
    return container.items()

if __name__ == "__main__":
    file_names = ["r1_200909.log", "r1_200910.log"]
    pool = multiprocessing.Pool(len(file_names))
    result = pool.map(do,file_names)
    pool.close()
    pool.join()
    print "Finish"      

Na koniec muszę dołączyć do każdego wyniku w jednym kontenerze. Ważne jest, aby kolejność linii została zachowana. Moje podejście jest zbyt powolne przy zwrocie wartości. Lepsze rozwiązanie? Korzystam z Pythona 2.6 w systemie Linux