怎樣用一行Python代碼實(shí)現(xiàn)并行

Python 在程序并行化方面多少有些聲名狼藉。撇開技術(shù)上的問題，例如線程的實(shí)現(xiàn)和 GIL，我覺得錯(cuò)誤的教學(xué)指導(dǎo)才是主要問題。常見的經(jīng)典 Python 多線程、多進(jìn)程教程多顯得偏"重"。而且往往隔靴搔癢，沒有深入探討日常工作中最有用的內(nèi)容。

站在用戶的角度思考問題，與客戶深入溝通，找到九原網(wǎng)站設(shè)計(jì)與九原網(wǎng)站推廣的解決方案，憑借多年的經(jīng)驗(yàn)，讓設(shè)計(jì)與互聯(lián)網(wǎng)技術(shù)結(jié)合，創(chuàng)造個(gè)性化、用戶體驗(yàn)好的作品，建站類型包括：成都網(wǎng)站設(shè)計(jì)、成都做網(wǎng)站、企業(yè)官網(wǎng)、英文網(wǎng)站、手機(jī)端網(wǎng)站、網(wǎng)站推廣、域名注冊(cè)、網(wǎng)站空間、企業(yè)郵箱。業(yè)務(wù)覆蓋九原地區(qū)。

傳統(tǒng)的例子

簡(jiǎn)單搜索下"Python 多線程教程"，不難發(fā)現(xiàn)幾乎所有的教程都給出涉及類和隊(duì)列的例子：

import os
import PIL

from multiprocessing import Pool
from PIL import Image

SIZE = (
75,
75)
SAVE_DIRECTORY =  thumbs

def get_image_paths(folder):
   
return (
os.
path.join(folder, f)
           
for f 
in 
os.listdir(folder)
           
if  jpeg  
in f)

def create_thumbnail(filename): 
   im = Image.
open(filename)
   im.thumbnail(SIZE, Image.ANTIALIAS)
   base, fname = 
os.
path.split(filename)
   save_path = 
os.
path.join(base, SAVE_DIRECTORY, fname)
   im.save(save_path)

if __name__ ==  __main__ :
   folder = 
os.
path.abspath(
        
11_18_2013_R000_IQM_Big_Sur_Mon__e10d1958e7b766c3e840 )
   
os.mkdir(
os.
path.join(folder, SAVE_DIRECTORY))

   images = get_image_paths(folder)

   pool = Pool()
   pool.map(creat_thumbnail, images)
   pool.
close()
   pool.join()

哈，看起來有些像 Java 不是嗎？

我并不是說使用生產(chǎn)者/消費(fèi)者模型處理多線程/多進(jìn)程任務(wù)是錯(cuò)誤的（事實(shí)上，這一模型自有其用武之地）。只是，處理日常腳本任務(wù)時(shí)我們可以使用更有效率的模型。

but...問題在于…

首先，你需要一個(gè)樣板類；
其次，你需要一個(gè)隊(duì)列來傳遞對(duì)象；
而且，你還需要在通道兩端都構(gòu)建相應(yīng)的方法來協(xié)助其工作（如果需想要進(jìn)行雙向通信或是保存結(jié)果還需要再引入一個(gè)隊(duì)列）。

worker 越多，問題越多

按照這一思路，你現(xiàn)在需要一個(gè) worker 線程的線程池。下面是一篇 IBM 經(jīng)典教程中的例子——在進(jìn)行網(wǎng)頁檢索時(shí)通過多線程進(jìn)行加速。

#Example2.py
  
A more realistic thread pool example
  

import time
import threading
import Queue
import urllib2

class Consumer(threading.Thread): 
   def __init__(
self, queue): 
       threading.Thread.__init__(
self)
       
self._queue = queue

   def run(
self):
       
while True:
           content = 
self._queue.get()
           
if isinstance(content, 
str) and content ==  quit :
               
break
           response = urllib2.urlopen(content)
       print  Bye byes!

def Producer():
   urls = [
        http:
//www.python.org ,  http://www.yahoo.com
         http://www.scala.org ,  http://www.google.com
        # etc..
    ]
    queue = Queue.Queue()
    worker_threads = build_worker_pool(queue, 4)
    start_time = time.time()

    # Add the urls to process
    for url in urls:
        queue.put(url)  
    # Add the poison pillv
    for worker in worker_threads:
        queue.put( quit )
    for worker in worker_threads:
        worker.join()

    print  Done! Time taken: {} .format(time.time() - start_time)

def build_worker_pool(queue, size):
    workers = []
    for _ in range(size):
        worker = Consumer(queue)
        worker.start()
        workers.append(worker)
    return workers

if __name__ ==  __main__ :
    Producer()

這段代碼能正確的運(yùn)行，但仔細(xì)看看我們需要做些什么：構(gòu)造不同的方法、追蹤一系列的線程，還有為了解決惱人的死鎖問題，我們需要進(jìn)行一系列的 join 操作。這還只是開始……

至此我們回顧了經(jīng)典的多線程教程，多少有些空洞不是嗎？樣板化而且易出錯(cuò)，這樣事倍功半的風(fēng)格顯然不那么適合日常使用，好在我們還有更好的方法。

試試 map？

map 這一小巧精致的函數(shù)是簡(jiǎn)捷實(shí)現(xiàn) Python 程序并行化的關(guān)鍵。map 源于 Lisp 這類函數(shù)式編程語言。它可以通過一個(gè)序列實(shí)現(xiàn)兩個(gè)函數(shù)之間的映射。

    
urls = [ http://www.yahoo.com ,  http://www.reddit.com ]
   results = map(urllib2.urlopen, urls)

上面的這兩行代碼將 urls 這一序列中的每個(gè)元素作為參數(shù)傳遞到 urlopen 方法中，并將所有結(jié)果保存到 results 這一列表中。其結(jié)果大致相當(dāng)于：


results = []
for url in urls:
   results.append(urllib2.urlopen(url))

map 函數(shù)一手包辦了序列操作、參數(shù)傳遞和結(jié)果保存等一系列的操作。

為什么這很重要呢？這是因?yàn)榻柚_的庫，map 可以輕松實(shí)現(xiàn)并行化操作。

在 Python 中有個(gè)兩個(gè)庫包含了 map 函數(shù)：multiprocessing 和它鮮為人知的子庫 multiprocessing.dummy.

這里多扯兩句：multiprocessing.dummy？mltiprocessing 庫的線程版克??？這是蝦米？即便在 multiprocessing 庫的官方文檔里關(guān)于這一子庫也只有一句相關(guān)描述。而這句描述譯成人話基本就是說:"嘛，有這么個(gè)東西，你知道就成."相信我，這個(gè)庫被嚴(yán)重低估了！

dummy 是 multiprocessing 模塊的完整克隆，唯一的不同在于 multiprocessing 作用于進(jìn)程，而 dummy 模塊作用于線程（因此也包括了 Python 所有常見的多線程限制）。
所以替換使用這兩個(gè)庫異常容易。你可以針對(duì) IO 密集型任務(wù)和 CPU 密集型任務(wù)來選擇不同的庫。

動(dòng)手嘗試

使用下面的兩行代碼來引用包含并行化 map 函數(shù)的庫：


from multiprocessing 
import Pool
from multiprocessing.dummy 
import Pool 
as ThreadPool

實(shí)例化 Pool 對(duì)象：

pool = ThreadPool()

這條簡(jiǎn)單的語句替代了 example2.py 中 buildworkerpool 函數(shù) 7 行代碼的工作。它生成了一系列的 worker 線程并完成初始化工作、將它們儲(chǔ)存在變量中以方便訪問。

Pool 對(duì)象有一些參數(shù)，這里我所需要關(guān)注的只是它的第一個(gè)參數(shù)：processes. 這一參數(shù)用于設(shè)定線程池中的線程數(shù)。其默認(rèn)值為當(dāng)前機(jī)器 CPU 的核數(shù)。

一般來說，執(zhí)行 CPU 密集型任務(wù)時(shí)，調(diào)用越多的核速度就越快。但是當(dāng)處理網(wǎng)絡(luò)密集型任務(wù)時(shí)，事情有有些難以預(yù)計(jì)了，通過實(shí)驗(yàn)來確定線程池的大小才是明智的。

pool = ThreadPool(4) # Sets the pool size to 4

線程數(shù)過多時(shí)，切換線程所消耗的時(shí)間甚至?xí)^實(shí)際工作時(shí)間。對(duì)于不同的工作，通過嘗試來找到線程池大小的最優(yōu)值是個(gè)不錯(cuò)的主意。

創(chuàng)建好 Pool 對(duì)象后，并行化的程序便呼之欲出了。我們來看看改寫后的 example2.py

import urllib2
from multiprocessing.dummy import Pool as ThreadPool

urls = [
    
http:/
/www.python.org ,
     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
/ ,
     http:/
/planet.python.org/ ,
    
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()

實(shí)際起作用的代碼只有 4 行，其中只有一行是關(guān)鍵的。map 函數(shù)輕而易舉的取代了前文中超過 40 行的例子。為了更有趣一些，我統(tǒng)計(jì)了不同方法、不同線程池大小的耗時(shí)情況。

# results = []
# 
for url in urls:
#   result = urllib2.urlopen(url)
#   results.
append(result)

# # ------- VERSUS ------- #

# # ------- 
4 Pool ------- #
# pool = ThreadPool(
4)
# results = pool.
map(urllib2.urlopen, urls)

# # ------- 
8 Pool ------- #

# pool = ThreadPool(
8)
# results = pool.
map(urllib2.urlopen, urls)

# # ------- 
13 Pool ------- #

# pool = ThreadPool(
13)
# results = pool.
map(urllib2.urlopen, urls)

結(jié)果：

#        
Single 
thread:  14
.4 
Seconds
#               4 
Pool:   3
.1 
Seconds
#               8 
Pool:   1
.4 
Seconds
#              13 
Pool:   1
.3 
Seconds

很棒的結(jié)果不是嗎？這一結(jié)果也說明了為什么要通過實(shí)驗(yàn)來確定線程池的大小。在我的機(jī)器上當(dāng)線程池大小大于 9 帶來的收益就十分有限了。

另一個(gè)真實(shí)的例子

生成上千張圖片的縮略圖
這是一個(gè) CPU 密集型的任務(wù)，并且十分適合進(jìn)行并行化。

基礎(chǔ)單進(jìn)程版本

import os
import PIL

from multiprocessing import Pool
from PIL import Image

SIZE = (
75,
75)
SAVE_DIRECTORY =  thumbs

def get_image_paths(folder):
   
return (
os.
path.join(folder, f)
           
for f 
in 
os.listdir(folder)
           
if  jpeg  
in f)

def create_thumbnail(filename): 
   im = Image.
open(filename)
   im.thumbnail(SIZE, Image.ANTIALIAS)
   base, fname = 
os.
path.split(filename)
   save_path = 
os.
path.join(base, SAVE_DIRECTORY, fname)
   im.save(save_path)

if __name__ ==  __main__ :
   folder = 
os.
path.abspath(
        
11_18_2013_R000_IQM_Big_Sur_Mon__e10d1958e7b766c3e840 )
   
os.mkdir(
os.
path.join(folder, SAVE_DIRECTORY))

   images = get_image_paths(folder)

   
for image 
in images:
       create_thumbnail(Image)

上邊這段代碼的主要工作就是將遍歷傳入的文件夾中的圖片文件，一一生成縮略圖，并將這些縮略圖保存到特定文件夾中。

這我的機(jī)器上，用這一程序處理 6000 張圖片需要花費(fèi) 27.9 秒。

如果我們使用 map 函數(shù)來代替 for 循環(huán)：

import os
import PIL

from multiprocessing import Pool
from PIL import Image

SIZE = (
75,
75)
SAVE_DIRECTORY =  thumbs

def get_image_paths(folder):
   
return (
os.
path.join(folder, f)
           
for f 
in 
os.listdir(folder)
           
if  jpeg  
in f)

def create_thumbnail(filename): 
   im = Image.
open(filename)
   im.thumbnail(SIZE, Image.ANTIALIAS)
   base, fname = 
os.
path.split(filename)
   save_path = 
os.
path.join(base, SAVE_DIRECTORY, fname)
   im.save(save_path)

if __name__ ==  __main__ :
   folder = 
os.
path.abspath(
        
11_18_2013_R000_IQM_Big_Sur_Mon__e10d1958e7b766c3e840 )
   
os.mkdir(
os.
path.join(folder, SAVE_DIRECTORY))

   images = get_image_paths(folder)

   pool = Pool()
   pool.map(creat_thumbnail, images)
   pool.
close()
   pool.join()

5.6 秒！

雖然只改動(dòng)了幾行代碼，我們卻明顯提高了程序的執(zhí)行速度。在生產(chǎn)環(huán)境中，我們可以為 CPU 密集型任務(wù)和 IO 密集型任務(wù)分別選擇多進(jìn)程和多線程庫來進(jìn)一步提高執(zhí)行速度——這也是解決死鎖問題的良方。此外，由于 map 函數(shù)并不支持手動(dòng)線程管理，反而使得相關(guān)的 debug 工作也變得異常簡(jiǎn)單。

到這里，我們就實(shí)現(xiàn)了（基本）通過一行 Python 實(shí)現(xiàn)并行化。

本文名稱：怎樣用一行Python代碼實(shí)現(xiàn)并行
本文鏈接：http://www.rwnh.cn/article10/ghcigo.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站排名、網(wǎng)站制作、Google、動(dòng)態(tài)網(wǎng)站、虛擬主機(jī)、網(wǎng)站策劃

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源：創(chuàng)新互聯(lián)

猜你還喜歡下面的內(nèi)容

内射老阿姨1区2区3区4区_久久精品人人做人人爽电影蜜月_久久国产精品亚洲77777_99精品又大又爽又粗少妇毛片

怎樣用一行Python代碼實(shí)現(xiàn)并行