Есть ли простая параллельная карта на основе процессов для python?

Ответ 1

Мне кажется, что вам нужен метод map в multiprocessing.Pool():

map (func, iterable [, chunksize])

A parallel equivalent of the map() built-in function (it supports only
one iterable argument though). It blocks till the result is ready.

This method chops the iterable into a number of chunks which it submits to the 
process pool as separate tasks. The (approximate) size of these chunks can be 
specified by setting chunksize to a positive integ

Например, если вы хотите отобразить эту функцию:

def f(x):
    return x**2

чтобы ранжировать (10), вы можете сделать это, используя встроенную функцию map():

map(f, range(10))

или с помощью метода объекта multiprocessing.Pool() map():

import multiprocessing
pool = multiprocessing.Pool()
print pool.map(f, range(10))

Ответ 2

Для тех, кто ищет Python-эквивалент R mclapply(), вот моя реализация. Это улучшение следующих двух примеров:

• " Распараллелить карту панд() или применить() ", как упомянуто @Rafael Valero.
• Как применить карту к функциям с несколькими аргументами.

Это может применяться к функциям карты с одним 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()

Ответ 3

Это может быть сделано элегантно с Ray, системой, которая позволяет вам легко распараллеливать и распространять ваш код Python.

Чтобы распараллелить ваш пример, вам нужно определить функцию карты с @ray.remote декоратора @ray.remote, а затем вызвать ее с помощью .remote. Это обеспечит выполнение каждого экземпляра удаленной функции в отдельном 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 напечатает:

[1, 4, 9, 16, 25]

и это закончится примерно в len(list)/p (округляется до ближайшего целого числа), где p - количество ядер на вашем компьютере. Предполагая, что машина с 2 ядрами, наш пример будет выполняться с округлением в 5/2, т.е. примерно за 3 секунды.

Существует несколько преимуществ использования Ray по сравнению с многопроцессорным модулем. В частности, один и тот же код будет работать как на одной машине, так и на кластере машин. Для получения дополнительных преимуществ Рэй см. Этот пост.

Ответ 4

Я знаю, что это старый пост, но на всякий случай я написал инструмент для создания этого супер, супер простого, называемого parmapper (я на самом деле называю его parmap в моем использовании, но название было принято).

Он выполняет множество настроек и деконструкций процессов и добавляет множество функций. В грубом порядке важности

• Может принимать лямбду и другие непробиваемые функции
• Может применять starmap и другие подобные методы вызова, чтобы сделать его очень простым для непосредственного использования.
• Может разделяться между потоками и/или процессами
• Включает такие функции, как индикаторы выполнения

Это влечет за собой небольшую стоимость, но для большинства применений это незначительно.

Я надеюсь, что вы найдете это полезным.

(Примечание: он, как и map в Python 3+, возвращает итерацию, поэтому, если вы ожидаете, что все результаты пройдут через него немедленно, используйте list())