2

我有一个内部分布式计算库,我们一直将其用于并行计算工作。在对进程进行分区后,它们会运行数据加载和计算步骤,然后以“保存”步骤结束。通常这涉及将数据写入数据库表。

但是对于一个特定的任务,我需要每个进程的输出是一个带有一些数据图的 .png 文件。总共有 95 个进程,所以 95 个 .png。

在我的“保存”步骤(在每个进程上执行)中,我有一些非常简单的代码,这些代码使用 matplotlib 的boxplot函数制作箱线图,还有一些代码用于将savefig其写入 .png 文件,该文件具有基于特定数据的唯一名称在那个过程中使用。

但是,我偶尔会看到输出似乎有两组或多组数据被写入同一个输出文件,尽管名称是唯一的。

matplotlib 在制作箱线图或保存数字时是否使用临时文件保存?如果是这样,它是否总是使用相同的临时文件名(从而导致覆盖冲突)?我已经使用运行我的进程strace并且看不到任何明显看起来像从 matplotlib 写入的临时文件的内容。

我如何确保这将是线程安全的?我绝对想并行保存文件,因为我希望大大扩展输出 .png 的数量,所以首先存储所有数据然后只串行执行绘图/保存部分的选项是非常不可取的。

我不可能重现我们正在使用的完整并行基础架构,但下面是调用以创建绘图句柄的函数,然后是调用以保存绘图的函数。为了这个问题,您应该假设线程安全与我们的分布式库无关。我们知道它不是来自我们的代码,它多年来一直用于我们的多处理作业而没有像这样的线程问题(尤其不是我们不能直接控制的东西,比如 matplotlib 中的任何临时文件)。

import pandas
import numpy as np
import matplotlib.pyplot as plt

def plot_category_data(betas, category_name):
    """
    Function to organize beta data by date into vectors and pass to box plot
    code for producing a single chart of multi-period box plots.
    """
    beta_vector_list = []
    yms = np.sort(betas.yearmonth.unique())
    for ym in yms:
        beta_vector_list.append(betas[betas.yearmonth==ym].Beta.values.flatten().tolist())
    ###

    plot_output = plt.boxplot(beta_vector_list)
    axs = plt.gcf().gca()
    axs.set_xticklabels(betas.FactorDate.unique(), rotation=40, horizontalalignment='right')
    axs.set_xlabel("Date")
    axs.set_ylabel("Beta")
    axs.set_title("%s Beta to BMI Global"%(category_name))
    axs.set_ylim((-1.0, 3.0))

    return plot_output
### End plot_category_data

def save(self):
    """
    Make calls to store the plot to the desired output file.
    """
    out_file = self.output_path + "%s.png"%(self.category_name)
    fig = plt.gcf()
    fig.set_figheight(6.5)
    fig.set_figwidth(10)
    fig.savefig(out_file, bbox_inches='tight', dpi=150)
    print "Finished and stored output file %s"%(out_file)
    return None
### End save
4

1 回答 1

0

在您的两个功能中,您正在调用plt.gcf(). 每次您绘制plt.figure()并明确引用该图形时,我都会尝试生成一个新图形,以便您完全避开整个问题。

于 2013-01-29T17:05:15.900 回答