我们在我们的开发机器上提交 Python 2.7 中的大型 CPU 密集型作业(由许多独立的并行进程组成),一次持续数天。当这些作业以大量进程运行时,机器的响应速度会减慢很多。理想情况下,我想在白天开发代码时限制可用的 CPU 数量,并在晚上尽可能高效地运行尽可能多的进程。
Python 多处理库允许您在启动池时指定进程数。有没有办法在每次启动新任务时动态更改此数字?
例如,允许 20 个进程在 19-07 小时运行,10 个进程从 07-19 小时运行。
一种方法是检查使用大量 CPU 的事件进程的数量。这就是我希望它的工作方式:
from multiprocessing import Pool
import time
pool = Pool(processes=20)
def big_task(x):
while check_n_process(processes=10) is False:
time.sleep(60*60)
x += 1
return x
x = 1
multiple_results = [pool.apply_async(big_task, (x)) for i in range(1000)]
print([res.get() for res in multiple_results])
但我需要编写“check_n_process”函数。
关于如何解决这个问题还有其他想法吗?
(代码需要在 Python 2.7 中运行——bash 实现是不可行的)。
请您参考如下方法:
Python multiprocessing.Pool 不提供更改正在运行的 Pool 的工作人员数量的方法。一个简单的解决方案是依赖第三方工具。
池由 billiard 提供用于提供此类功能。
任务队列框架,如 Celery或 Luigi肯定允许灵活的工作量,但要复杂得多。
如果使用外部依赖不可行,可以试试下面的方法。从 this answer 阐述,你可以设置一个基于信号量的节流机制。
from threading import Semaphore, Lock
from multiprocessing import Pool
def TaskManager(object):
def __init__(self, pool_size):
self.pool = Pool(processes=pool_size)
self.workers = Semaphore(pool_size)
# ensures the semaphore is not replaced while used
self.workers_mutex = Lock()
def change_pool_size(self, new_size):
"""Set the Pool to a new size."""
with self.workers_mutex:
self.workers = Semaphore(new_size)
def new_task(self, task):
"""Start a new task, blocks if queue is full."""
with self.workers_mutex:
self.workers.acquire()
self.pool.apply_async(big_task, args=[task], callback=self.task_done))
def task_done(self):
"""Called once task is done, releases the queue is blocked."""
with self.workers_mutex:
self.workers.release()
如果超过 X 个工作人员忙碌,池将阻止进一步尝试安排您的 big_tasks。通过控制此机制,您可以限制并发运行的进程数量。当然,这意味着你放弃了Pool排队机制。
task_manager = TaskManager(20)
while True:
if seven_in_the_morning():
task_manager.change_pool_size(10)
if seven_in_the_evening():
task_manager.change_pool_size(20)
task = get_new_task()
task_manager.new_task() # blocks here if all workers are busy
