3

我刚接触 Python，我仍处于学习曲线的陡峭阶段。感谢您前面的任何评论。

我有一个很大的 for 循环要运行（在许多迭代的意义上很大），例如：

for i in range(10000)
    for j in range(10000)
        f((i,j))

我认为如何并行化它是一个常见问题，经过数小时的谷歌搜索后，我使用“多处理”模块得出了解决方案，如下所示：

pool=Pool()
x=pool.map(f,[(i,j) for i in range(10000) for j in range(10000)])

这在循环较小时有效。但是，如果循环很大，它真的很慢，或者如果循环太大，有时会出现内存错误。似乎 python 会首先生成参数列表，然后将列表提供给函数“f”，即使使用 xrange。那是对的吗？

所以这种并行化对我不起作用，因为我真的不需要将所有参数存储在一个列表中。有一个更好的方法吗？我感谢任何建议或参考。谢谢你。

4

1 回答 1

6

似乎 python 会首先生成参数列表，然后将列表提供给函数“f”，即使使用 xrange。那是对的吗？

是的，因为您使用的是列表推导，它明确要求它生成该列表。

（请注意，这xrange在这里并不重要，因为您一次只有两个范围，每个 10K 长；与参数列表的 100M 相比，这没什么。）

如果您希望它根据需要动态生成值，而不是一次生成全部 100M，您希望使用生成器表达式而不是列表推导。这几乎总是只是将括号变成括号的问题：

x=pool.map(f,((i,j) for i in range(10000) for j in range(10000)))

但是，正如您从源代码中看到的那样，如果您给它一个生成器，map最终只会列出一个列表，所以在这种情况下，这不会解决任何问题。（文档没有明确说明这一点，但是如果它没有长度，很难看出它如何选择一个好的块大小来将可迭代对象切碎……）。

而且，即使这不是真的，您仍然会在结果中再次遇到同样的问题，因为pool.map返回一个列表。

要解决这两个问题，您可以pool.imap改用。它惰性地消耗可迭代对象，并返回结果的惰性迭代器。

需要注意的一件事是，imap如果您不通过，则不会猜测最佳块大小，而只是默认为1，因此您可能需要一些思考或反复试验来优化它。

此外，imap当它们进来时，仍然会排队一些结果，因此它可以按照与参数相同的顺序将它们反馈给您。在病态的情况下，它最终可能会排队 (poolsize-1)/poolsize 的结果，尽管在实践中这种情况非常罕见。如果要解决此问题，请使用imap_unordered. 如果您需要知道顺序，只需将索引与参数和结果一起来回传递：

args = ((i, j) for i in range(10000) for j in range(10000))
def indexed_f(index, (i, j)):
    return index, f(i, j)
results = pool.imap_unordered(indexed_f, enumerate(args))

但是，我注意到在您的原始代码中，您根本没有对f(i, j). 在那种情况下，为什么还要费心收集结果呢？在这种情况下，您可以返回循环：

for i in range(10000):
    for j in range(10000):
        map.apply_async(f, (i,j))

但是，imap_unordered可能仍然值得使用，因为它提供了一种非常简单的阻塞方法，直到所有任务完成，同时仍然让池本身运行以供以后使用：

def consume(iterator):
    deque(iterator, max_len=0)
x=pool.imap_unordered(f,((i,j) for i in range(10000) for j in range(10000)))
consume(x)
于 2013-08-29T19:26:35.223 回答