我正在学习如何让我的脚本运行得更快。我认为并行是一个好方法。所以我尝试了 gevent 和多处理。但我对它不同的结果感到困惑。举两个我遇到的例子吧
例1:
a=np.zeros([3])
def f(i):
a[i]=1
print a
def f_para():
p=multiprocessing.Pool()
p.map(f, range(3))
def f_asy():
threads = [gevent.spawn(f, i) for i in xrange(3)]
gevent.joinall(threads)
f_para()
[ 0. 1. 0.]
[ 0. 0. 1.]
[ 1. 0. 0.]
f_asy()
[ 1. 0. 0.]
[ 1. 1. 0.]
[ 1. 1. 1.]
我发现使用多处理,全局对象
a
永远不会改变脂肪,并且在运行f_para()
之后,a
仍然是原始数组。运行时f_asy()
,不一样了,a
变了。
前2:
def f2(i):
subprocess.call(['./a.out', str(i)])
time.sleep(0.2)
def f2_loop():
for i in xrange(20):
f2(i)
def f2_para():
p=multiprocessing.Pool()
p.map(f2, range(20))
def f2_asy():
threads = [gevent.spawn(f2, i) for i in xrange(20)]
gevent.joinall(threads)
%timeit -n1 f2_loop()
1 loop, best of 3: 4.22 s per loop
%timeit -n1 f2_asy()
1 loop, best of 3: 4.22 s per loop
%timeit -n1 f2_para()
1 loop, best of 3: 657 ms per loop
我发现
f2_asy()
不会减少运行时间。而f2_asy()
的输出是一一的,就像f2_loop()
一样,所以我认为f2_asy()
没有并行。
a.out
是一个简单的C++代码:
#include <iostream>
int main(int argc, char* argv[])
{
std::cout<<argv[1]<<std::endl;
return 0;
}
所以我的问题是:
为什么在例1中,
f_para
可以改变全局数组的值a
?为什么在前2中,
f2_asy
不能并行?有人知道 gevent 和 multiprocessing 之间的区别吗?如果您愿意解释,我将非常感激。
ex1:
当您使用多进程时,每个进程都有单独的内存(与线程不同)
ex2:
gevent 不创建线程,它创建 Greenlets(协程)!
Greenlet 都在主程序的操作系统进程内部运行,但协同调度。
在任何给定时间只有一个 greenlet 正在运行。
这与多处理或线程库提供的任何真正的并行结构不同,后者执行由操作系统调度的旋转进程和 POSIX 线程,并且是真正并行的。
对于 ex2:
对于 gevent 22.10,您应该在使用文档中介绍的标准模块(如
socket
和 subprocess
)之前进行猴子修补:
超越插座 当然,标准库的其他几个部分可能会阻塞整个解释器并导致序列化行为。 gevent 还提供了其中许多的合作版本。它们可以通过单独的函数独立修补,但大多数使用猴子修补的程序都希望使用 gevent.monkey.patch_all() 函数修补整个推荐的模块集:
from gevent import monkey; monkey.patch_all() import subprocess # it's usable from multiple greenlets now
使用猴子补丁,
multiprocess
和gevent
的函数的执行时间相似。