一行代碼完成並行任務
編譯:伯樂在線專欄作者 - colleen__chen
http://blog.jobbole.com/58700/
眾所周知,Python的並行處理能力很不理想。我認為如果不考慮線程和GIL的標準參數(它們大多是合法的),其原因不是因為技術不到位,而是我們的使用方法不恰當。大多數關於Python線程和多進程的教材雖然都很出色,但是內容繁瑣冗長。它們的確在開篇鋪陳了許多有用信息,但往往都不會涉及真正能提高日常工作的部分。
經典例子
DDG上以「Python threading tutorial (Python線程教程)」為關鍵字的熱門搜索結果表明:幾乎每篇文章中給出的例子都是相同的類+隊列。
事實上,它們就是以下這段使用producer/Consumer來處理線程/多進程的代碼示例:
#Example.py
Standard Producer/Consumer Threading Pattern
importtime
importthreading
importQueue
classConsumer(threading.Thread):
def__init__(self,queue):
threading.Thread.__init__(self)
self._queue=queue
defrun(self):
whileTrue:
# queue.get() blocks the current thread until
# an item is retrieved.
msg=self._queue.get()
# Checks if the current message is
# the "Poison Pill"
ifisinstance(msg,str)andmsg== quit :
# if so, exists the loop
break
# "Processes" (or in our case, prints) the queue item
print"I m a thread, and I received %s!!"%msg
# Always be friendly!
print Bye byes!
defProducer():
# Queue is used to share items between
# the threads.
queue=Queue.Queue()
# Create an instance of the worker
worker=Consumer(queue)
# start calls the internal run() method to
# kick off the thread
worker.start()
# variable to keep track of when we started
start_time=time.time()
# While under 5 seconds..
whiletime.time()-start_time
# "Produce" a piece of work and stick it in
# the queue for the Consumer to process
queue.put( something at %s %time.time())
# Sleep a bit just to avoid an absurd number of messages
time.sleep(1)
# This the "poison pill" method of killing a thread.
queue.put( quit )
# wait for the thread to close down
worker.join()
if__name__== __main__ :
Producer()
唔…….感覺有點像Java。
我現在並不想說明使用Producer / Consume來解決線程/多進程的方法是錯誤的——因為它肯定正確,而且在很多情況下它是最佳方法。但我不認為這是平時寫代碼的最佳選擇。
它的問題所在(個人觀點)
首先,你需要創建一個樣板式的鋪墊類。然後,你再創建一個隊列,通過其傳遞對象和監管隊列的兩端來完成任務。(如果你想實現數據的交換或存儲,通常還涉及另一個隊列的參與)。
Worker越多,問題越多。
接下來,你應該會創建一個worker類的pool來提高Python的速度。下面是IBM tutorial給出的較好的方法。這也是程序員們在利用多線程檢索web頁面時的常用方法。
#Example2.py
"""
Amore realistic thread poolexample
"""
import time
import threading
import Queue
import urllib2
classConsumer(threading.Thread):
def __init__(self,queue):
threading.Thread.__init__(self)
self._queue=queue
def run(self):
whileTrue:
content=self._queue.get()
ifisinstance(content,str)andcontent== "quit":
break
response=urllib2.urlopen(content)
print"Bye byes!"
def Producer():
urls=[
# etc..
]
queue=Queue.Queue()
worker_threads=build_worker_pool(queue,4)
start_time=time.time()
# Add the urls to process
forurlinurls:
queue.put(url)
# Add the poison pillv
forworkerinworker_threads:
queue.put("quit")
forworkerinworker_threads:
worker.join()
print"Done! Time taken: {}".format(time.time() - start_time)
def build_worker_pool(queue,size):
workers=[]
for_inrange(size):
worker=Consumer(queue)
worker.start()
workers.append(worker)
returnworkers
if__name__== "__main__":
Producer()
它的確能運行,但是這些代碼多麼複雜阿!它包括了初始化方法、線程跟蹤列表以及和我一樣容易在死鎖問題上出錯的人的噩夢——大量的join語句。而這些還僅僅只是繁瑣的開始!
我們目前為止都完成了什麼?基本上什麼都沒有。上面的代碼幾乎一直都只是在進行傳遞。這是很基礎的方法,很容易出錯(該死,我剛才忘了在隊列對象上還需要調用task_done()方法(但是我懶得修改了)),性價比很低。還好,我們還有更好的方法。
介紹:Map
Map是一個很棒的小功能,同時它也是Python並行代碼快速運行的關鍵。給不熟悉的人講解一下吧,map是從函數語言Lisp來的。map函數能夠按序映射出另一個函數。例如
results=map(urllib2.urlopen,urls)
這裡調用urlopen方法來把調用結果全部按序返回並存儲到一個列表裡。就像:
results=[]
forurlinurls:
results.append(urllib2.urlopen(url))
Map按序處理這些迭代。調用這個函數,它就會返回給我們一個按序存儲著結果的簡易列表。
為什麼它這麼厲害呢?因為只要有了合適的庫,map能使並行運行得十分流暢!
有兩個能夠支持通過map函數來完成並行的庫:一個是multiprocessing,另一個是鮮為人知但功能強大的子文件:multiprocessing.dummy。
題外話:這個是什麼?你從來沒聽說過dummy多進程庫?我也是最近才知道的。它在多進程的說明文檔裡面僅僅只被提到了一句。而且那一句就是大概讓你知道有這麼個東西的存在。我敢說,這樣幾近拋售的做法造成的後果是不堪設想的!
Dummy就是多進程模塊的克隆文件。唯一不同的是,多進程模塊使用的是進程,而dummy則使用線程(當然,它有所有Python常見的限制)。也就是說,數據由一個傳遞給另一個。這能夠使得數據輕鬆的在這兩個之間進行前進和回躍,特別是對於探索性程序來說十分有用,因為你不用確定框架調用到底是IO 還是CPU模式。
準備開始
要做到通過map函數來完成並行,你應該先導入裝有它們的模塊:
frommultiprocessingimportPool
frommultiprocessing.dummyimportPoolasThreadPool
再初始化:
pool = ThreadPool()
這簡單的一句就能代替我們的build_worker_pool 函數在example2.py中的所有工作。換句話說,它創建了許多有效的worker,啟動它們來為接下來的工作做準備,以及把它們存儲在不同的位置,方便使用。
Pool對象需要一些參數,但最重要的是:進程。它決定pool中的worker數量。如果你不填的話,它就會默認為你電腦的內核數值。
如果你在CPU模式下使用多進程pool,通常內核數越大速度就越快(還有很多其它因素)。但是,當進行線程或者處理網路綁定之類的工作時,情況會比較複雜所以應該使用pool的準確大小。
pool = ThreadPool(4) # Sets the pool size to 4
如果你運行過多線程,多線程間的切換將會浪費許多時間,所以你最好耐心調試出最適合的任務數。
我們現在已經創建了pool對象,馬上就能有簡單的並行程序了,所以讓我們重新寫example2.py中的url opener吧!
importurllib2
frommultiprocessing.dummyimportPoolasThreadPool
urls=[
http://www.python.org/about/ ,
http://www.onlamp.com/pub/a/python/2003/04/17/metaclasses.html ,
http://www.python.org/doc/ ,
http://www.python.org/download/ ,
http://www.python.org/getit/ ,
http://www.python.org/community/ ,
https://wiki.python.org/moin/ ,
https://wiki.python.org/moin/LocalUserGroups ,
http://www.python.org/psf/ ,
http://docs.python.org/devguide/ ,
http://www.python.org/community/awards/
# etc..
]
# Make the Pool of workers
pool=ThreadPool(4)
# Open the urls in their own threads
# and return the results
results=pool.map(urllib2.urlopen,urls)
#close the pool and wait for the work to finish
pool.close()
pool.join()
看吧!這次的代碼僅用了4行就完成了所有的工作。其中3句還是簡單的固定寫法。調用map就能完成我們前面例子中40行的內容!為了更形象地表明兩種方法的差異,我還分別給它們運行的時間計時。
結果:
相當出色!並且也表明了為什麼要細心調試pool的大小。在這裡,只要大於9,就能使其運行速度加快。
實例2:
生成成千上萬的縮略圖
我們在CPU模式下來完成吧!我工作中就經常需要處理大量的圖像文件夾。其任務之一就是創建縮略圖。這在並行任務中已經有很成熟的方法了。
基礎的單線程創建
importos
importPIL
frommultiprocessingimportPool
fromPILimportImage
SIZE=(75,75)
SAVE_DIRECTORY= thumbs
defget_image_paths(folder):
forfinos.listdir(folder)
if jpeg inf)
defcreate_thumbnail(filename):
im=Image.open(filename)
im.thumbnail(SIZE,Image.ANTIALIAS)
im.save(save_path)
if__name__== __main__ :
images=get_image_paths(folder)
forimageinimages:
create_thumbnail(Image)
對於一個例子來說,這是有點難,但本質上,這就是向程序傳遞一個文件夾,然後將其中的所有圖片抓取出來,並最終在它們各自的目錄下創建和儲存縮略圖。
我的電腦處理大約6000張圖片用了27.9秒。
如果我們用並行調用map來代替for循環的話:
importos
importPIL
frommultiprocessingimportPool
fromPILimportImage
SIZE=(75,75)
SAVE_DIRECTORY= thumbs
defget_image_paths(folder):
forfinos.listdir(folder)
if jpeg inf)
defcreate_thumbnail(filename):
im=Image.open(filename)
im.thumbnail(SIZE,Image.ANTIALIAS)
im.save(save_path)
if__name__== __main__ :
images=get_image_paths(folder)
pool=Pool()
pool.map(create_thumbnail,images)
pool.close()
pool.join()
5.6秒!
對於只改變了幾行代碼而言,這是大大地提升了運行速度。這個方法還能更快,只要你將cpu 和 io的任務分別用它們的進程和線程來運行——但也常造成死鎖。總之,綜合考慮到 map這個實用的功能,以及人為線程管理的缺失,我覺得這是一個美觀,可靠還容易debug的方法。
好了,文章結束了。一行完成並行任務。
最近熱文:
1、邀你參加11期 程序員專場相親活動
2、PHP高工/架構師,18-50K,深圳南山
3、JAVA/Web前端,深圳前海,15-30K
4、如何判斷是否到了該辭職的時候?
TAG:程序源 |
※日行一善善願成:超額完成銷售任務,命運轉變此刻開始
※中國遼寧艦訓練新一批飛行員,尚有一任務沒有完成
※教練機是訓練飛行員從最初級的飛行技術到能夠單獨飛行與完成指定工作的特殊機種
※天涯明月刀中秋伴風而行任務完成攻略 中秋伴風而行任務怎麼做
※服務企業 規範行業 發展產業|行業協會圓滿完成換屆工作
※完成使命,一起去旅行
※可較好的完成蘇-27等三代戰機的飛行員培養任務
※這些是NASA行星保護官需要完成的工作內容
※RM新成員冒著生命危險完成任務,卻被金鐘國打了一巴掌
※如何順利完成一晝夜經行念佛?
※人社部:五年內爭取完成所有系列職稱制度改革任務
※行程萬里完成多年心愿——我的新藏之行
※瑞典執行局用比特幣完成債務結算
※三軍已完成部署,就等一條公路修通,原來一切都在秘密進行
※經過商鞅變法之後,秦國如何一步步完成統一的?
※喬治交易正式完成!步行者:送走他是很艱難的決定
※ESPN名記:一些球隊感覺步行者想快速完成關於喬治的交易
※HIGHPEG:替你完成時裝周期間一站式行程管理
※在離岸公司註冊完成後,最重要的工作就是開設銀行賬戶了!