Я ищу простую основанную на процессе параллельную карту для Python, то есть, функции
parmap(function,[data])
это выполнило бы функцию на каждом элементе [данных] по различному процессу (хорошо, по другому ядру, но AFAIK, единственный способ выполнить материал на различных ядрах в Python состоит в том, чтобы запустить несколько интерпретаторов), и возвратите список результатов.
Что-то вроде этого существует? Я хотел бы что-то простое, таким образом, простой модуль будет хорош. Конечно, если никакая такая вещь не будет существовать, то я соглашусь на крупную библиотеку :-/
Я знаю, что это - старое сообщение, но на всякий случай, я записал инструмент для создания этого супер, супер легкими названный parmapper (я на самом деле называю его parmap в моем использовании, но имя было взято).
Это обрабатывает большую установку и разрушение процессов и добавляет тонны функций. В грубом порядке важности
, Это действительно несет маленькие расходы, но для большей части использования, который незначителен.
я надеюсь, что Вы находите это полезным.
(Примечание: Это, как map
в Python 3 +, возвращает повторяемое поэтому, если Вы ожидаете, что все результаты сразу пройдут через него, используйте list()
)
Для тех, которые, ища Python, эквивалентный из R mclapply (), вот моя реализация. Это - улучшение следующего двум примерам:
Это может быть, применяются к функциям карты с синглом или несколькими аргументами.
import numpy as np, pandas as pd
from scipy import sparse
import functools, multiprocessing
from multiprocessing import Pool
num_cores = multiprocessing.cpu_count()
def parallelize_dataframe(df, func, U=None, V=None):
#blockSize = 5000
num_partitions = 5 # int( np.ceil(df.shape[0]*(1.0/blockSize)) )
blocks = np.array_split(df, num_partitions)
pool = Pool(num_cores)
if V is not None and U is not None:
# apply func with multiple arguments to dataframe (i.e. involves multiple columns)
df = pd.concat(pool.map(functools.partial(func, U=U, V=V), blocks))
else:
# apply func with one argument to dataframe (i.e. involves single column)
df = pd.concat(pool.map(func, blocks))
pool.close()
pool.join()
return df
def square(x):
return x**2
def test_func(data):
print("Process working on: ", data.shape)
data["squareV"] = data["testV"].apply(square)
return data
def vecProd(row, U, V):
return np.sum( np.multiply(U[int(row["obsI"]),:], V[int(row["obsJ"]),:]) )
def mProd_func(data, U, V):
data["predV"] = data.apply( lambda row: vecProd(row, U, V), axis=1 )
return data
def generate_simulated_data():
N, D, nnz, K = [302, 184, 5000, 5]
I = np.random.choice(N, size=nnz, replace=True)
J = np.random.choice(D, size=nnz, replace=True)
vals = np.random.sample(nnz)
sparseY = sparse.csc_matrix((vals, (I, J)), shape=[N, D])
# Generate parameters U and V which could be used to reconstruct the matrix Y
U = np.random.sample(N*K).reshape([N,K])
V = np.random.sample(D*K).reshape([D,K])
return sparseY, U, V
def main():
Y, U, V = generate_simulated_data()
# find row, column indices and obvseved values for sparse matrix Y
(testI, testJ, testV) = sparse.find(Y)
colNames = ["obsI", "obsJ", "testV", "predV", "squareV"]
dtypes = {"obsI":int, "obsJ":int, "testV":float, "predV":float, "squareV": float}
obsValDF = pd.DataFrame(np.zeros((len(testV), len(colNames))), columns=colNames)
obsValDF["obsI"] = testI
obsValDF["obsJ"] = testJ
obsValDF["testV"] = testV
obsValDF = obsValDF.astype(dtype=dtypes)
print("Y.shape: {!s}, #obsVals: {}, obsValDF.shape: {!s}".format(Y.shape, len(testV), obsValDF.shape))
# calculate the square of testVals
obsValDF = parallelize_dataframe(obsValDF, test_func)
# reconstruct prediction of testVals using parameters U and V
obsValDF = parallelize_dataframe(obsValDF, mProd_func, U, V)
print("obsValDF.shape after reconstruction: {!s}".format(obsValDF.shape))
print("First 5 elements of obsValDF:\n", obsValDF.iloc[:5,:])
if __name__ == '__main__':
main()
Это может быть сделано изящно с Ray, система, которая позволяет Вам легко параллелизировать и распределять свой код Python.
Для параллелизации примера необходимо было бы определить функцию карты с @ray.remote
декоратор и затем вызвать его с .remote
. Это гарантирует, что каждый экземпляр удаленной функции будет выполняемый в различном процессе.
import time
import ray
ray.init()
# Define the function you want to apply map on, as remote function.
@ray.remote
def f(x):
# Do some work...
time.sleep(1)
return x*x
# Define a helper parmap(f, list) function.
# This function executes a copy of f() on each element in "list".
# Each copy of f() runs in a different process.
# Note f.remote(x) returns a future of its result (i.e.,
# an identifier of the result) rather than the result itself.
def parmap(f, list):
return [f.remote(x) for x in list]
# Call parmap() on a list consisting of first 5 integers.
result_ids = parmap(f, range(1, 6))
# Get the results
results = ray.get(result_ids)
print(results)
Это распечатает:
[1, 4, 9, 16, 25]
и это закончится приблизительно в len(list)/p
(окружил ближайшее целое число), где p
количество ядер на Вашей машине. Принимая машину с 2 ядрами, наш пример выполнится в 5/2
окруженный, т.е., приблизительно в 3
секунда.
существует много преимуществ использования Ray по многопроцессорная обработка модуль. В частности, тот же код будет работать на единственной машине, а также на кластере машин. Поскольку больше преимуществ Ray видит это связанное сообщение .