Python多处理:如何知道使用Pool还是Process?

Ano*_*ous 14 python multiprocessing threadpool

所以我有一个我正在编写的算法,该函数multiprocess应该调用另一个函数,CreateMatrixMp()并行调用与cpus一样多的进程.我以前从未做过多处理,也不能确定以下哪种方法更有效.在函数的上下文中使用"高效"这个词CreateMatrixMp()需要被调用数千次.我已经阅读了python multiprocessing模块的所有文档,并且已经有了这两种可能性:

首先是使用这个Pool类:

def MatrixHelper(self, args):
    return self.CreateMatrix(*args)

def Multiprocess(self, sigmaI, sigmaX):

    cpus = mp.cpu_count()
    print('Number of cpu\'s to process WM: %d' % cpus)
    poolCount = cpus*2
    args = [(sigmaI, sigmaX, i) for i in range(self.numPixels)]

    pool = mp.Pool(processes = poolCount, maxtasksperchild= 2)
    tempData = pool.map(self.MatrixHelper, args)
    pool.close()
    pool.join()
Run Code Online (Sandbox Code Playgroud)

接下来是使用这个Process类:

def Multiprocess(self, sigmaI, sigmaX):

    cpus = mp.cpu_count()
    print('Number of cpu\'s to process WM: %d' % cpus)

    processes = [mp.Process(target = self.CreateMatrixMp, args = (sigmaI, sigmaX, i,)) for i in range(self.numPixels)]
    for p in processes:
        p.start()
    for p in processes:
        p.join()
Run Code Online (Sandbox Code Playgroud)

Pool似乎是更好的选择.我读过它会减少开销.而且Process不考虑机器上的cpu数量.唯一的问题是以Pool这种方式使用会在出错后给出错误,每当我修复错误时,它下面会有一个新错误.Process似乎更容易实现,而且据我所知,它可能是更好的选择.您的经历告诉您什么?

如果Pool应该使用,那么我选择正确map()吗?最好保持订单.我有,tempData = pool.map(...)因为该map函数应该返回每个进程的结果列表.我不确定如何Process处理其返回的数据.

小智 17

我认为Pool课程通常更方便,但这取决于您是希望您的结果是有序的还是无序的.

假设您要创建4个随机字符串(例如,可能是随机用户ID生成器等):

import multiprocessing as mp
import random
import string

# Define an output queue
output = mp.Queue()

# define a example function
def rand_string(length, output):
    """ Generates a random string of numbers, lower- and uppercase chars. """
    rand_str = ''.join(random.choice(
                    string.ascii_lowercase
                    + string.ascii_uppercase
                    + string.digits)
               for i in range(length))
    output.put(rand_str)

# Setup a list of processes that we want to run
processes = [mp.Process(target=rand_string, args=(5, output)) for x in range(4)]

# Run processes
for p in processes:
    p.start()

# Exit the completed processes
for p in processes:
    p.join()

# Get process results from the output queue
results = [output.get() for p in processes]

print(results)

# Output
# ['yzQfA', 'PQpqM', 'SHZYV', 'PSNkD']
Run Code Online (Sandbox Code Playgroud)

在这里,订单可能并不重要.我不确定是否有更好的方法,但如果我想按照调用函数的顺序跟踪结果,我通常会返回带有ID作为第一项的元组,例如,

# define a example function
def rand_string(length, pos, output):
    """ Generates a random string of numbers, lower- and uppercase chars. """
    rand_str = ''.join(random.choice(
                    string.ascii_lowercase
                    + string.ascii_uppercase
                    + string.digits)
                for i in range(length))
    output.put((pos, rand_str))

# Setup a list of processes that we want to run
processes = [mp.Process(target=rand_string, args=(5, x, output)) for x in range(4)]

print(processes)

# Output
# [(1, '5lUya'), (3, 'QQvLr'), (0, 'KAQo6'), (2, 'nj6Q0')]
Run Code Online (Sandbox Code Playgroud)

这让我按顺序对结果进行排序:

results.sort()
results = [r[1] for r in results]
print(results)

# Output:
# ['KAQo6', '5lUya', 'nj6Q0', 'QQvLr']
Run Code Online (Sandbox Code Playgroud)

Pool类

现在问你的问题:这与Pool班级有什么不同?您通常更喜欢Pool.map返回有序的结果列表,而无需通过创建元组和按ID排序.因此,我会说它通常更有效率.

def cube(x):
    return x**3

pool = mp.Pool(processes=4)
results = pool.map(cube, range(1,7))
print(results)

# output:
# [1, 8, 27, 64, 125, 216]
Run Code Online (Sandbox Code Playgroud)

同样,还有一种"应用"方法:

pool = mp.Pool(processes=4)
results = [pool.apply(cube, args=(x,)) for x in range(1,7)]
print(results)

# output:
# [1, 8, 27, 64, 125, 216]
Run Code Online (Sandbox Code Playgroud)

双方Pool.applyPool.map直到进程完成将锁定主程序.

现在,你也有Pool.apply_asyncPool.map_async,这只要过程完成返回结果,这基本上是类似Process上面的类.优点可能是因为他们为您提供便捷applymap功能,您从Python的内置知道applymap

  • 我认为“流程”更像是一种“裸骨”方法,据我所知,您必须手动管理它。当您生成一个进程但所有 CPU 都忙时,它将排队直到 CPU 再次空闲。如果您一次调度太多正在等待的进程,这可能会成为一个问题(如果数量“相对”大,它很容易耗尽系统的可用内存) (2认同)