如何正确地开始在多个参数上并行执行两个函数?
Posted
技术标签:
【中文标题】如何正确地开始在多个参数上并行执行两个函数?【英文标题】:how to properly start parallel executing of two functions over multiple arguments? 【发布时间】:2021-12-02 17:49:34 【问题描述】:我正在寻找一种方法来并行启动两个函数,每个函数都在一组给定的不同参数上执行。我使用pool.map
来实现这一点。我创建了两个不同的进程,每个进程启动一个执行map
的池。这行得通 - 执行顺序有点狂野,但我将把它留到另一个问题。
现在我还找到了另一种方法here(见第一个答案)。他们只使用一个池并连续两次调用map_async
。所以我想知道,是否有这样做的首选方法?
因为我读过(遗憾的是我不记得在哪里)最好只使用一个池,这意味着第二种方法(只使用一个池)更好。但是当我测量时间时,第一种方法(在不同的进程中使用两个池)实际上要快一点。此外,在第一种方法中,函数实际上是并行运行的,而在第二种方法中,首先执行 map_async
的第一次调用,然后执行第二次调用。
这是我的测试代码:
from multiprocessing import Process, Pool
import time
import os
multiple_pools = True
data = list(range(1, 11))
def func_a(param):
print(f'running func_a in process os.getpid()')
print(f'passed argument: param')
print('calculating...\n')
time.sleep(1.5)
print('done\n')
def func_b(param):
print(f'running func_b in process os.getpid()')
print(f'passed argument: param')
print('calculating...\n')
time.sleep(2.5)
print('done\n')
def execute_func(func, param):
p = Pool(processes=8)
with p:
p.map(func, param)
if __name__ == '__main__':
if not multiple_pools:
t0 = time.time()
p = Pool(processes=8)
res = p.map_async(func_a, data)
res = p.map_async(func_b, data)
p.close()
p.join()
t1 = time.time()
dt = t1 -t0
print(f'time spent with one pool: dt s')
else:
t0 = time.time()
p1 = Process(target=execute_func, args=(func_a, data))
p2 = Process(target=execute_func, args=(func_b, data))
p1.start()
p2.start()
p1.join()
p2.join()
p1.close()
p2.close()
t1=time.time()
dt = t1 -t0
print(f'time spent with two pools, each inside an own process: dt s')
我的问题是:有没有一种方法比另一种更受欢迎?或者甚至可能有其他/更好的方法来做到这一点?
【问题讨论】:
【参考方案1】:首先,我假设当您使用两个池时,您将使用非阻塞map_async
方法。我会说两个大小为 N 的池,每个池您向每个池提交 M 个任务,其中所有任务都相同(即,就 CPU、I/O 等而言,需要相同的资源)应该是 或多或少相当于将相同的 2 * M 任务提交到大小为 2 * N 的单个池。
下面的程序演示了这两种情况:
from multiprocessing import Pool
import time
QUARTER_SECOND_ITERATIONS = 5_000_000
def quarter_second(x):
sum = 0
for _ in range(QUARTER_SECOND_ITERATIONS):
sum += 1
return x * x
def callback(result):
global callback_count
print('Two pools result:', result)
callback_count += 1
if callback_count == 2:
# Both map-async calls have completed:
print('Two pools time:', time.time() - start_time)
# required for Windows:
if __name__ == '__main__':
data1 = range(10)
data2 = range(10, 20)
# Two pools:
pool1 = Pool(4)
pool2 = Pool(4)
callback_count = 0
start_time = time.time()
pool1.map_async(quarter_second, data1, callback=callback)
pool2.map_async(quarter_second, data2, callback=callback)
pool1.close()
pool1.join()
pool2.close()
pool2.join()
# One Pool:
data = range(20)
pool = Pool(8)
start_time = time.time()
result = pool.map(quarter_second, data)
print('One pool result:', result)
print('One pool time:', time.time() - start_time)
pool.close()
pool.join()
打印:
Two pools result: [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
Two pools result: [100, 121, 144, 169, 196, 225, 256, 289, 324, 361]
Two pools time: 1.4994373321533203
One pool result: [0, 1, 4, 9, 16, 25, 36, 49, 64, 81, 100, 121, 144, 169, 196, 225, 256, 289, 324, 361]
One pool time: 1.4596436023712158
我重新运行了几次,大多数但并非所有情况下单池案例的表现都稍好一些。但是我的桌面上运行了许多其他进程,这些进程会影响结果。我没有在总时间中包括创建处理池的实际时间。此外,根据池的大小和 iterable 参数,map 函数可以计算出稍微不同的 chunksize 值,以便在没有显式 chunksize 时使用em> 参数被指定为这里的情况。但这对性能的影响可以忽略不计。 总而言之,根据我的假设,我看不出单池和双池方法之间有任何显着的性能差异。
【讨论】:
这是回答你的问题还是我错过了你问的重点? 是的,完美,感谢您的回答,尤其是示例代码! :) 所以这两种方法之间并没有真正的区别。我只是在学习基础知识,因为我需要这个项目。直到现在我才关心其他事情,抱歉回复晚了以上是关于如何正确地开始在多个参数上并行执行两个函数?的主要内容,如果未能解决你的问题,请参考以下文章