怎样用一行Python代码实现并行-创新互联

Python 在程序并行化方面多少有些声名狼藉。撇开技术上的问题,例如线程的实现和 GIL,我觉得错误的教学指导才是主要问题。常见的经典 Python 多线程、多进程教程多显得偏"重"。而且往往隔靴搔痒,没有深入探讨日常工作中最有用的内容。

创新互联"三网合一"的企业建站思路。企业可建设拥有电脑版、微信版、手机版的企业网站。实现跨屏营销,产品发布一步更新,电脑网络+移动网络一网打尽,满足企业的营销需求!创新互联具备承接各种类型的成都网站设计、成都网站制作、外贸网站建设项目的能力。经过十载的努力的开拓,为不同行业的企事业单位提供了优质的服务,并获得了客户的一致好评。

传统的例子

简单搜索下"Python 多线程教程",不难发现几乎所有的教程都给出涉及类和队列的例子:

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(creat_thumbnail, images)
   pool. close()
   pool.join()

哈,看起来有些像 Java 不是吗?

我并不是说使用生产者/消费者模型处理多线程/多进程任务是错误的(事实上,这一模型自有其用武之地)。只是,处理日常脚本任务时我们可以使用更有效率的模型。

but...问题在于…

首先,你需要一个样板类; 
其次,你需要一个队列来传递对象; 
而且,你还需要在通道两端都构建相应的方法来协助其工作(如果需想要进行双向通信或是保存结果还需要再引入一个队列)。

worker 越多,问题越多

按照这一思路,你现在需要一个 worker 线程的线程池。下面是一篇 IBM 经典教程中的例子——在进行网页检索时通过多线程进行加速。

#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()

这段代码能正确的运行,但仔细看看我们需要做些什么:构造不同的方法、追踪一系列的线程,还有为了解决恼人的死锁问题,我们需要进行一系列的 join 操作。这还只是开始……

至此我们回顾了经典的多线程教程,多少有些空洞不是吗?样板化而且易出错,这样事倍功半的风格显然不那么适合日常使用,好在我们还有更好的方法。

试试 map?

map 这一小巧精致的函数是简捷实现 Python 程序并行化的关键。map 源于 Lisp 这类函数式编程语言。它可以通过一个序列实现两个函数之间的映射。

    
urls = [ http://www.yahoo.com ,  http://www.reddit.com ]

   results = map(urllib2.urlopen, urls)

上面的这两行代码将 urls 这一序列中的每个元素作为参数传递到 urlopen 方法中,并将所有结果保存到 results 这一列表中。其结果大致相当于:


results = []

for url in urls:
   results.append(urllib2.urlopen(url))

map 函数一手包办了序列操作、参数传递和结果保存等一系列的操作。

为什么这很重要呢?这是因为借助正确的库,map 可以轻松实现并行化操作。

怎样用一行 Python 代码实现并行
本文题目:怎样用一行Python代码实现并行-创新互联
本文链接:http://myzitong.com/article/iheho.html