1

首先感谢您的关注。我的问题是如何减少我的代码的执行时间。

这是相关的代码。下面的代码在 main 的迭代中调用。

def call_prism(prism_input_file,random_length):
   prism_output_file = "path.txt"
   cmd = "prism %s -simpath %d %s" % (prism_input_file,random_length,prism_output_file)
   p = os.popen(cmd)
   p.close()
   return prism_output_file


def main(prism_input_file, number_of_strings):
...
  for n in range(number_of_strings):
        prism_output_file = call_prism(prism_input_file,z[n])
        ...

  return

当我分析我的代码时，我使用了来自“配置文件统计浏览器”的统计信息。“文件关闭”系统命令花费的时间最长（14.546 秒）。call_prism 例程被调用 10 次。但是 number_of_strings 通常以千为单位，因此，我的程序需要大量时间才能完成。

如果您需要更多信息，请与我们联系。顺便说一句，我也尝试过使用子流程。谢谢。

4

1 回答 1

0

感谢您对我的问题的反馈。根据其他人提供的评论，我做了一个并行版本的代码，并且代码的性能确实有所提高。这是并行版本的片段。欢迎您的反馈，如果有的话。

def call_prism(prism_input_file,random_length):
    ...   
    cmd = "prism %s -simpath %d stdout" % (prism_input_file,random_length)
    args = shlex.split(cmd)
    p = subprocess.Popen(args,stdout=subprocess.PIPE)
    p.poll()
    prism_output_lines = p.stdout.readlines()
    ...
    return ...

def call_prism_star(prism_input_file_random_length):
   return call_prism(*prism_input_file_random_length)

def main(prism_input_file, number_of_strings,number_of_threads):
   pool = Pool(processes=number_of_threads)
   for n in range(0,number_of_strings,number_of_threads):
   ...
      for i in range(number_of_threads):
          a_args.append(...)
      output = pool.map(call_prism_star,itertools.izip(itertools.repeat(prism_input_file),a_args))
   ...
    return
于 2012-11-30T15:03:45.260 回答