怎么用一行代碼實(shí)現(xiàn)Python并行處理

今天小編給大家分享一下怎么用一行代碼實(shí)現(xiàn)Python并行處理的相關(guān)知識(shí)點(diǎn)，內(nèi)容詳細(xì)，邏輯清晰，相信大部分人都還太了解這方面的知識(shí)，所以分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后有所收獲，下面我們一起來了解一下吧。

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 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。

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）。

（推薦教程：python教程）

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(yè)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。

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(kù)，map 可以輕松實(shí)現(xiàn)并行化操作。

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

這里多扯兩句：multiprocessing.dummy？mltiprocessing庫(kù)的線程版克??？這是蝦米？即便在 multiprocessing 庫(kù)的官方文檔里關(guān)于這一子庫(kù)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(kù)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(kù)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(kù)。

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(kù)：

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 build*worker*pool 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(kù)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。

以上就是“怎么用一行代碼實(shí)現(xiàn)Python并行處理”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家閱讀完這篇文章都有很大的收獲，小編每天都會(huì)為大家更新不同的知識(shí)，如果還想學(xué)習(xí)更多的知識(shí)，請(qǐng)關(guān)注億速云行業(yè)資訊頻道。