Python: параллельно выполнять подпроцесс cat

Я выполняю несколько команд cat | zgrep на удаленном сервере и каждый раз собираю их вывод для дальнейшей обработки:

class MainProcessor(mp.Process):
    def __init__(self, peaks_array):
        super(MainProcessor, self).__init__()
        self.peaks_array = peaks_array

    def run(self):
        for peak_arr in self.peaks_array:
            peak_processor = PeakProcessor(peak_arr)
            peak_processor.start()

class PeakProcessor(mp.Process):
    def __init__(self, peak_arr):
        super(PeakProcessor, self).__init__()
        self.peak_arr = peak_arr

    def run(self):
        command = 'ssh remote_host cat files_to_process | zgrep --mmap "regex" '
        log_lines = (subprocess.check_output(command, shell=True)).split('\n')
        process_data(log_lines)

Это, однако, приводит к последовательному выполнению команд subprocess ('ssh... cat...'). Второй пик ждет завершения первого и т.д.

Как я могу изменить этот код, чтобы вызовы подпроцесса выполнялись параллельно, при этом все еще можно собирать выходные данные для каждого отдельно?

Ответ 1

Другой подход (а не другое предложение о переносе процессов оболочки в фоновом режиме) заключается в использовании multithreading.

Метод run, который у вас есть, сделает следующее:

thread.start_new_thread ( myFuncThatDoesZGrep)

Чтобы собрать результаты, вы можете сделать что-то вроде этого:

class MyThread(threading.Thread):
   def run(self):
       self.finished = False
       # Your code to run the command here.
       blahBlah()
       # When finished....
       self.finished = True
       self.results = []

Запустите поток, как указано выше, в ссылке на многопоточность. Когда ваш объект потока имеет myThread.finished == True, вы можете собирать результаты через myThread.results.

Ответ 2

Вам не нужно ни multiprocessing, ни threading для параллельного выполнения подпроцессов, например:

#!/usr/bin/env python
from subprocess import Popen

# run commands in parallel
processes = [Popen("echo {i:d}; sleep 2; echo {i:d}".format(i=i), shell=True)
             for i in range(5)]
# collect statuses
exitcodes = [p.wait() for p in processes]

он одновременно запускает 5 команд оболочки. Примечание: здесь не используются ни потоки, ни multiprocessing. Нет смысла добавлять амперсанд & к командам оболочки: Popen не дожидается завершения команды. Вы должны явно вызвать .wait().

Это удобно, но нет необходимости использовать потоки для сбора вывода из подпроцессов:

#!/usr/bin/env python
from multiprocessing.dummy import Pool # thread pool
from subprocess import Popen, PIPE, STDOUT

# run commands in parallel
processes = [Popen("echo {i:d}; sleep 2; echo {i:d}".format(i=i), shell=True,
                   stdin=PIPE, stdout=PIPE, stderr=STDOUT, close_fds=True)
             for i in range(5)]

# collect output in parallel
def get_lines(process):
    return process.communicate()[0].splitlines()

outputs = Pool(len(processes)).map(get_lines, processes)

Связанный: Python, набивающий несколько подпроцессов bash?.

Здесь пример кода, который одновременно выводится из нескольких подпроцессов в одном и том же потоке:

#!/usr/bin/env python3
import asyncio
import sys
from asyncio.subprocess import PIPE, STDOUT

@asyncio.coroutine
def get_lines(shell_command):
    p = yield from asyncio.create_subprocess_shell(shell_command,
            stdin=PIPE, stdout=PIPE, stderr=STDOUT)
    return (yield from p.communicate())[0].splitlines()

if sys.platform.startswith('win'):
    loop = asyncio.ProactorEventLoop() # for subprocess' pipes on Windows
    asyncio.set_event_loop(loop)
else:
    loop = asyncio.get_event_loop()

# get commands output in parallel
coros = [get_lines('"{e}" -c "print({i:d}); import time; time.sleep({i:d})"'
                    .format(i=i, e=sys.executable)) for i in range(5)]
print(loop.run_until_complete(asyncio.gather(*coros)))
loop.close()