用map函數來完成Python并行任務的簡單示例
眾所周知，Python的并行處理能力很不理想。我認為如果不考慮線程和GIL的標準參數（它們大多是合法的），其原因不是因為技術不到位，而是我們的使用方法不恰當。大多數關于Python線程和多進程的教材雖然都很出色，但是內容繁瑣冗長。它們的確在開篇鋪陳了許多有用信息，但往往都不會涉及真正能提高日常工作的部分。
經典例子
DDG上以“Python threading tutorial （Python線程教程）”為關鍵字的熱門搜索結果表明：幾乎每篇文章中給出的例子都是相同的類+隊列。
事實上，它們就是以下這段使用producer/Consumer來處理線程/多進程的代碼示例：
#Example.py
'''
Standard Producer/Consumer Threading Pattern
'''
import time
import threading
import Queue
class Consumer(threading.Thread):
def __init__(self, queue):
threading.Thread.__init__(self)
self._queue = queue
def run(self):
while True:
# queue.get() blocks the current thread until
# an item is retrieved.
msg = self._queue.get()
# Checks if the current message is
# the "Poison Pill"
if isinstance(msg, str) and msg == 'quit':
# if so, exists the loop
break
# "Processes" (or in our case, prints) the queue item
print "I'm a thread, and I received %s!!" % msg
# Always be friendly!
print 'Bye byes!'
def Producer():
# Queue is used to share items between
# the threads.
queue = Queue.Queue()
# Create an instance of the worker
worker = Consumer(queue)
# start calls the internal run() method to
# kick off the thread
worker.start()
# variable to keep track of when we started
start_time = time.time()
# While under 5 seconds..
while time.time() - start_time < 5:
# "Produce" a piece of work and stick it in
# the queue for the Consumer to process
queue.put('something at %s' % time.time())
# Sleep a bit just to avoid an absurd number of messages
time.sleep(1)
# This the "poison pill" method of killing a thread.
queue.put('quit')
# wait for the thread to close down
worker.join()
if __name__ == '__main__':
Producer()
唔…….感覺有點像Java。
我現在并不想說明使用Producer / Consume來解決線程/多進程的方法是錯誤的——因為它肯定正確，而且在很多情況下它是最佳方法。但我不認為這是平時寫代碼的最佳選擇。
它的問題所在（個人觀點）
首先，你需要創(chuàng)建一個樣板式的鋪墊類。然后，你再創(chuàng)建一個隊列，通過其傳遞對象和監(jiān)管隊列的兩端來完成任務。（如果你想實現數據的交換或存儲，通常還涉及另一個隊列的參與）。
Worker越多，問題越多。
接下來，你應該會創(chuàng)建一個worker類的pool來提高Python的速度。下面是IBM tutorial給出的較好的方法。這也是程序員們在利用多線程檢索web頁面時的常用方法。
#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()
它的確能運行，但是這些代碼多么復雜阿！它包括了初始化方法、線程跟蹤列表以及和我一樣容易在死鎖問題上出錯的人的噩夢——大量的join語句。而這些還僅僅只是繁瑣的開始！
我們目前為止都完成了什么？基本上什么都沒有。上面的代碼幾乎一直都只是在進行傳遞。這是很基礎的方法，很容易出錯（該死，我剛才忘了在隊列對象上還需要調用task_done()方法（但是我懶得修改了）），性價比很低。還好，我們還有更好的方法。
介紹：Map
Map是一個很棒的小功能，同時它也是Python并行代碼快速運行的關鍵。給不熟悉的人講解一下吧，map是從函數語言Lisp來的。map函數能夠按序映射出另一個函數。例如
urls = ['http://www.yahoo.com', 'http://www.reddit.com'] results = map(urllib2.urlopen, urls)
這里調用urlopen方法來把調用結果全部按序返回并存儲到一個列表里。就像：
results = [] for url in urls: results.append(urllib2.urlopen(url))
Map按序處理這些迭代。調用這個函數，它就會返回給我們一個按序存儲著結果的簡易列表。
為什么它這么厲害呢？因為只要有了合適的庫，map能使并行運行得十分流暢！
有兩個能夠支持通過map函數來完成并行的庫：一個是multiprocessing，另一個是鮮為人知但功能強大的子文件：multiprocessing.dummy。
題外話：這個是什么？你從來沒聽說過dummy多進程庫？我也是最近才知道的。它在多進程的說明文檔里面僅僅只被提到了一句。而且那一句就是大概讓你知道有這么個東西的存在。我敢說，這樣幾近拋售的做法造成的后果是不堪設想的！
Dummy就是多進程模塊的克隆文件。唯一不同的是，多進程模塊使用的是進程，而dummy則使用線程（當然，它有所有Python常見的限制）。也就是說，數據由一個傳遞給另一個。這能夠使得數據輕松的在這兩個之間進行前進和回躍，特別是對于探索性程序來說十分有用，因為你不用確定框架調用到底是IO 還是CPU模式。
準備開始
要做到通過map函數來完成并行，你應該先導入裝有它們的模塊：
from multiprocessing import Pool from multiprocessing.dummy import Pool as ThreadPool
再初始化:
pool = ThreadPool()
這簡單的一句就能代替我們的build_worker_pool 函數在example2.py中的所有工作。換句話說，它創(chuàng)建了許多有效的worker，啟動它們來為接下來的工作做準備，以及把它們存儲在不同的位置，方便使用。
Pool對象需要一些參數，但最重要的是：進程。它決定pool中的worker數量。如果你不填的話，它就會默認為你電腦的內核數值。
如果你在CPU模式下使用多進程pool，通常內核數越大速度就越快（還有很多其它因素）。但是，當進行線程或者處理網絡綁定之類的工作時，情況會比較復雜所以應該使用pool的準確大小。
pool = ThreadPool(4) # Sets the pool size to 4
如果你運行過多線程，多線程間的切換將會浪費許多時間，所以你最好耐心調試出最適合的任務數。
我們現在已經創(chuàng)建了pool對象，馬上就能有簡單的并行程序了，所以讓我們重新寫example2.py中的url opener吧！
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()
看吧！這次的代碼僅用了4行就完成了所有的工作。其中3句還是簡單的固定寫法。調用map就能完成我們前面例子中40行的內容！為了更形象地表明兩種方法的差異，我還分別給它們運行的時間計時。
# 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)
結果：
# Single thread: 14.4 Seconds # 4 Pool: 3.1 Seconds # 8 Pool: 1.4 Seconds # 13 Pool: 1.3 Seconds
相當出色！并且也表明了為什么要細心調試pool的大小。在這里，只要大于9，就能使其運行速度加快。
實例2：
生成成千上萬的縮略圖
我們在CPU模式下來完成吧！我工作中就經常需要處理大量的圖像文件夾。其任務之一就是創(chuàng)建縮略圖。這在并行任務中已經有很成熟的方法了。
基礎的單線程創(chuàng)建
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)
對于一個例子來說，這是有點難，但本質上，這就是向程序傳遞一個文件夾，然后將其中的所有圖片抓取出來，并最終在它們各自的目錄下創(chuàng)建和儲存縮略圖。
我的電腦處理大約6000張圖片用了27.9秒。
如果我們用并行調用map來代替for循環(huán)的話：
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(create_thumbnail,images)
pool.close()
pool.join()
5.6秒！
對于只改變了幾行代碼而言，這是大大地提升了運行速度。這個方法還能更快，只要你將cpu 和 io的任務分別用它們的進程和線程來運行——但也常造成死鎖?？傊?，綜合考慮到 map這個實用的功能，以及人為線程管理的缺失，我覺得這是一個美觀，可靠還容易debug的方法。
好了，文章結束了。一行完成并行任務。
相關文章
這篇文章主要給大家介紹了關于python中調試或排錯的五種方法，文中通過示例代碼介紹的非常詳細，對大家學習或者使用Python具有一定的參考學習價值，需要的朋友們下面來一起學習學習吧2019-09-09
這篇文章主要介紹了詳解java調用python的幾種用法(看這篇就夠了),文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2020-12-12
這篇文章主要介紹了python數字圖像處理之邊緣輪廓檢測示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2022-06-06
Python腳本是用來對實時文件的內容監(jiān)控。接下來通過本文給大家介紹Python腳本實時處理log文件的方法，需要的朋友參考下吧2016-11-11
Python pexpect模塊及shell腳本except原理解析
這篇文章主要介紹了Python pexpect模塊及shell腳本except原理解析,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-08-08
歸并排序是一種分治算法,它將數組分成兩半,分別對這兩半進行排序,然后將排序后的兩半合并在一起,本文就來介紹一下python?歸并排序的實現,具有一定的參考價值,感興趣的可以了解一下2024-06-06
今天小編就為大家分享一篇matplotlib subplots 設置總圖的標題方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-05-05
Django通過dwebsocket實現websocket的例子
今天小編就為大家分享一篇Django通過dwebsocket實現websocket的例子，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-11-11
這篇文章主要介紹了python面對對象基礎類和對象的概念,實例分析了Python中返回一個返回值與多個返回值的方法,需要的朋友可以參考下2021-10-10
這里我們用典型的斐波那契數列作為例子,來展示Python中使用裝飾器來優(yōu)化尾遞歸的示例,需要的朋友可以參考下2016-06-06