Python代碼便利并行的方法是什么

這篇文章主要講解了“Python代碼便利并行的方法是什么”，文中的講解內(nèi)容簡(jiǎn)單清晰，易于學(xué)習(xí)與理解，下面請(qǐng)大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“Python代碼便利并行的方法是什么”吧！

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 importPool    from PIL importImage    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。

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   importQueue   import urllib2   classConsumer(threading.Thread):    def __init__(self, queue):            threading.Thread.__init__(self)   self._queue = queue   def run(self):   whileTrue:                content = self._queue.get()    if isinstance(content, str) and content == 'quit':   break               response = urllib2.urlopen(content)   print'Bye byes!'   defProducer():       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。

何不試試 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 importPool    from multiprocessing.dummy importPoolasThreadPool

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 importPoolasThreadPool      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 importPool   from PIL importImage   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 importPool  from PIL importImage  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。

感謝各位的閱讀，以上就是“Python代碼便利并行的方法是什么”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對(duì)Python代碼便利并行的方法是什么這一問題有了更深刻的體會(huì)，具體使用情況還需要大家實(shí)踐驗(yàn)證。這里是億速云，小編將為大家推送更多相關(guān)知識(shí)點(diǎn)的文章，歡迎關(guān)注！