web-dev-qa-db-ja.com

Python用のシンプルなプロセスベースの並列マップはありますか？

私はPythonの簡単なプロセスベースの並列マップ、つまり関数を探しています

parmap(function,[data])

それは異なるプロセスの[データ]の各要素で機能を実行します（まあ、別のコアで、しかしAFAIK、pythonインタプリタ）、および結果のリストを返します。

このようなものはありますか？何かsimpleが欲しいので、シンプルなモジュールがいいでしょう。もちろん、そのようなものが存在しない場合、私は大きなライブラリに落ち着きます：-/

pythonparallel-processingsmp
59
static_rtti

必要なのは multiprocessing.Pool（）のmapメソッド ：

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

たとえば、この関数をマップする場合：

def f(x):
    return x**2

range（10）には、組み込みのmap（）関数を使用して実行できます。

map(f, range(10))

または、multiprocessing.Pool（）オブジェクトのメソッドmap（）を使用します。

import multiprocessing
pool = multiprocessing.Pool()
print pool.map(f, range(10))
106
Flávio Amieiro

私はこれが古い投稿であることを知っていますが、念のため、私は parmapper と呼ばれるこの超簡単なツールを作成しました（私は実際にparmapと呼んでいますが、名前は使われています）。

プロセスのセットアップと分解の多くを処理し、多くの機能を追加します。大まかな順序で

  • ラムダおよびその他のピクルできない関数を使用できます
  • スターマップや他の同様の呼び出し方法を適用して、直接使用するのが非常に簡単になります。
  • スレッドおよび/またはプロセス間で分割可能
  • プログレスバーなどの機能が含まれています

わずかなコストがかかりますが、ほとんどの用途では無視できます。

役に立つと思います。

（注：Python 3+のmapのように、反復可能を返すため、すべての結果がすぐに通過することが予想される場合は、list()を使用します）

1
Justin Winokur

これは、Pythonコードを簡単に並列化および配布できるシステムである Ray を使用してエレガントに行うことができます。

例を並列化するには、マップ関数を_@ray.remote_デコレータで定義してから、_.remote_で呼び出す必要があります。これにより、リモート関数のすべてのインスタンスが異なるプロセスで実行されるようになります。

_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)
_

これは印刷されます：

_[1, 4, 9, 16, 25]
_

約len(list)/p（最も近い整数に切り上げ）で終了します。ここで、pはマシンのコア数です。コアが2つのマシンを想定すると、この例は_5/2_で切り上げて、つまり約_3_秒で実行されます。

multiprocessing モジュールよりもRayを使用することには多くの利点があります。特に、同じコードは、単一のマシンおよびマシンのクラスターで実行されます。 Rayのその他の利点については、 関連記事 を参照してください。

0
Ion Stoica

Python Rのmclapply（）に相当するものを探している人のために、これが私の実装です。次の2つの例の改善です。

単一または複数の引数を持つマップ関数に適用できます。

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 __== '__main__':
    main()
0
Good Will