- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
我遇到了很多“令人尴尬的并行”项目,我想用 multiprocessing
模块并行化。然而,它们通常涉及读取大文件(大于 2gb),逐行处理它们,运行基本计算,然后写入结果。使用 Python 的多处理模块分割文件和处理文件的最佳方法是什么? multiprocessing
中应该使用Queue
还是JoinableQueue
?或者 Queue
模块本身?或者,我应该使用 multiprocessing
将可迭代文件映射到进程池吗?我已经尝试过这些方法,但是逐行分发数据的开销是巨大的。我已经通过使用 cat file | 确定了一个轻量级的管道过滤器设计。 process1 --out-file out1 --num-processes 2 | process2 --out-file out2
,它将第一个进程输入的一定百分比直接传递给第二个输入(参见 this post ),但我希望有一个完全包含在 Python 中的解决方案。
令人惊讶的是,Python 文档并未建议执行此操作的规范方法(尽管在 multiprocessing
文档中有一个关于编程指南的冗长部分)。
谢谢,文斯
附加信息:每行的处理时间各不相同。有些问题速度很快,几乎不受 I/O 限制,有些问题受 CPU 限制。受 CPU 限制的非依赖性任务将从并行化中获益,这样即使是将数据分配给处理函数的低效方式在挂钟时间方面仍然是有益的。
一个典型的例子是一个脚本,它从行中提取字段,检查各种按位标志,并以全新的格式将带有特定标志的行写入新文件。这似乎是一个 I/O 绑定(bind)问题,但是当我使用带有管道的廉价并发版本运行它时,速度提高了大约 20%。当我在 multiprocessing
中使用 pool 和 map 或 queue 运行它时,它总是慢 100% 以上。
最佳答案
最好的架构之一已经成为 Linux 操作系统的一部分。不需要特殊的库。
您需要“扇出”设计。
一个“主”程序创建了许多通过管道连接的子进程。
主程序读取文件,将行写入管道,执行将行处理到适当子进程所需的最少过滤。
每个子进程可能应该是从标准输入读取和写入的不同进程的管道。
您不需要队列数据结构,这正是内存中的管道 - 两个并发进程之间的字节队列。
关于python - 在 Python 中划分大文件以进行多处理的最佳方法是什么?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/1823300/
我喜欢 smartcase,也喜欢 * 和 # 搜索命令。但我更希望 * 和 # 搜索命令区分大小写,而/和 ?搜索命令遵循 smartcase 启发式。 是否有隐藏在某个地方我还没有找到的设置?我宁
关闭。这个问题是off-topic .它目前不接受答案。 想改进这个问题? Update the question所以它是on-topic对于堆栈溢出。 10年前关闭。 Improve this qu
从以下网站,我找到了执行java AD身份验证的代码。 http://java2db.com/jndi-ldap-programming/solution-to-sslhandshakeexcepti
似乎 melt 会使用 id 列和堆叠的测量变量 reshape 您的数据框,然后通过转换让您执行聚合。 ddply,从 plyr 包看起来非常相似..你给它一个数据框,几个用于分组的列变量和一个聚合
我的问题是关于 memcached。 Facebook 使用 memcached 作为其结构化数据的缓存,以减少用户的延迟。他们在 Linux 上使用 UDP 优化了 memcached 的性能。 h
在 Camel route ,我正在使用 exec 组件通过 grep 进行 curl ,但使用 ${HOSTNAME} 的 grep 无法正常工作,下面是我的 Camel 路线。请在这方面寻求帮助。
我正在尝试执行相当复杂的查询,在其中我可以排除与特定条件集匹配的项目。这是一个 super 简化的模型来解释我的困境: class Thing(models.Model) user = mod
我正在尝试执行相当复杂的查询,我可以在其中排除符合特定条件集的项目。这里有一个 super 简化的模型来解释我的困境: class Thing(models.Model) user = mod
我发现了很多嵌入/内容项目的旧方法,并且我遵循了在这里找到的最新方法(我假设):https://blog.angular-university.io/angular-ng-content/ 我正在尝试
我正在寻找如何使用 fastify-nextjs 启动 fastify-cli 的建议 我曾尝试将代码简单地添加到建议的位置,但它不起作用。 'use strict' const path = req
我正在尝试将振幅 js 与 React 和 Gatsby 集成。做 gatsby developer 时一切看起来都不错,因为它发生在浏览器中,但是当我尝试 gatsby build 时,我收到以下错
我试图避免过度执行空值检查,但同时我想在需要使代码健壮的时候进行空值检查。但有时我觉得它开始变得如此防御,因为我没有实现 API。然后我避免了一些空检查,但是当我开始单元测试时,它开始总是等待运行时异
尝试进行包含一些 NOT 的 Kibana 搜索,但获得包含 NOT 的结果,因此猜测我的语法不正确: "chocolate" AND "milk" AND NOT "cow" AND NOT "tr
我正在使用开源代码共享包在 iOS 中进行 facebook 集成,但收到错误“FT_Load_Glyph failed: glyph 65535: error 6”。我在另一台 mac 机器上尝试了
我正在尝试估计一个标准的 tobit 模型,该模型被审查为零。 变量是 因变量 : 幸福 自变量 : 城市(芝加哥,纽约), 性别(男,女), 就业(0=失业,1=就业), 工作类型(失业,蓝色,白色
我有一个像这样的项目布局 样本/ 一种/ 源/ 主要的/ java / java 资源/ .jpg 乙/ 源/ 主要的/ java / B.java 资源/ B.jpg 构建.gradle 设置.gr
如何循环遍历数组中的多个属性以及如何使用map函数将数组中的多个属性显示到网页 import React, { Component } from 'react'; import './App.css'
我有一个 JavaScript 函数,它进行 AJAX 调用以返回一些数据,该调用是在选择列表更改事件上触发的。 我尝试了多种方法来在等待时显示加载程序,因为它当前暂停了选择列表,从客户的 Angul
可能以前问过,但找不到。 我正在用以下形式写很多语句: if (bar.getFoo() != null) { this.foo = bar.getFoo(); } 我想到了三元运算符,但我认
我有一个表单,在将其发送到 PHP 之前我正在执行一些验证 JavaScript,验证后的 JavaScript 函数会发布用户在 中输入的文本。页面底部的标签;然而,此消息显示短暂,然后消失...
我是一名优秀的程序员,十分优秀!