Если вы используете dill, это позволяет вам обрабатывать __main__, как если бы это был модуль python (по большей части). Следовательно, вы можете сериализовать интерактивно определенные классы и тому подобное. dill также (по умолчанию) может транспортировать определение класса как часть рассола.
>>> class MyTest(object):
... def foo(self, x):
... return self.x * x
... x = 4
...
>>> f = MyTest()
>>> import dill
>>>
>>> with open('test.pkl', 'wb') as s:
... dill.dump(f, s)
...
>>>
Затем выключите интерпретатор и отправьте файл test.pkl по TCP. На удаленной машине теперь вы можете получить экземпляр класса.
Python 2.7.9 (default, Dec 11 2014, 01:21:43)
[GCC 4.2.1 Compatible Apple Clang 4.1 ((tags/Apple/clang-421.11.66))] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> import dill
>>> with open('test.pkl', 'rb') as s:
... f = dill.load(s)
...
>>> f
<__main__.MyTest object at 0x1069348d0>
>>> f.x
4
>>> f.foo(2)
8
>>>
Но как получить определение класса? Так что это не совсем то, что вы хотели. Однако следующее.
>>> class MyTest2(object):
... def bar(self, x):
... return x*x + self.x
... x = 1
...
>>> import dill
>>> with open('test2.pkl', 'wb') as s:
... dill.dump(MyTest2, s)
...
>>>
Затем, после отправки файла ... вы можете получить определение класса.
Python 2.7.9 (default, Dec 11 2014, 01:21:43)
[GCC 4.2.1 Compatible Apple Clang 4.1 ((tags/Apple/clang-421.11.66))] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> import dill
>>> with open('test2.pkl', 'rb') as s:
... MyTest2 = dill.load(s)
...
>>> print dill.source.getsource(MyTest2)
class MyTest2(object):
def bar(self, x):
return x*x + self.x
x = 1
>>> f = MyTest2()
>>> f.x
1
>>> f.bar(4)
17
Итак, в dill есть dill.source, и у него есть методы, которые могут обнаруживать зависимости функций и классов и брать их вместе с pickle (по большей части).
>>> def foo(x):
... return x*x
...
>>> class Bar(object):
... def zap(self, x):
... return foo(x) * self.x
... x = 3
...
>>> print dill.source.importable(Bar.zap, source=True)
def foo(x):
return x*x
def zap(self, x):
return foo(x) * self.x
Так что это не "идеально" (или, возможно, не то, что ожидалось) ... но оно сериализует код для динамически создаваемого метода и его зависимостей. Вы просто не получаете остальную часть класса - но остальная часть класса в этом случае не нужна.
Если вы хотите получить все, вы можете просто засолить весь сеанс.
>>> import dill
>>> def foo(x):
... return x*x
...
>>> class Blah(object):
... def bar(self, x):
... self.x = (lambda x:foo(x)+self.x)(x)
... x = 2
...
>>> b = Blah()
>>> b.x
2
>>> b.bar(3)
>>> b.x
11
>>> dill.dump_session('foo.pkl')
>>>
Затем на удаленной машине ...
Python 2.7.9 (default, Dec 11 2014, 01:21:43)
[GCC 4.2.1 Compatible Apple Clang 4.1 ((tags/Apple/clang-421.11.66))] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> import dill
>>> dill.load_session('foo.pkl')
>>> b.x
11
>>> b.bar(2)
>>> b.x
15
>>> foo(3)
9
Наконец, если вы хотите, чтобы транспорт был «прозрачным» для вас, вы можете использовать pathos.pp или ppft, которые предоставляют возможность отправлять объекты на второй сервер Python (на удаленной машине) или Python. процесс. Они используют dill под капотом и просто передают код по проводам.
>>> class More(object):
... def squared(self, x):
... return x*x
...
>>> import pathos
>>>
>>> p = pathos.pp.ParallelPythonPool(servers=('localhost,1234',))
>>>
>>> m = More()
>>> p.map(m.squared, range(5))
[0, 1, 4, 9, 16]
Аргумент servers является необязательным, и здесь он просто подключается к локальному компьютеру через порт 1234… но если вы вместо этого (или также) используете имя и порт удаленного компьютера, вы переключитесь на удаленная машина - «без усилий».
Получите dill, pathos и ppft здесь: https://github.com/uqfoundation