python - 如何有效地链接 ipyparallel 任务并将中间结果传递给引擎？

Question

我正在尝试在 iPyParallel 中将多个任务链接在一起，例如

import ipyparallel
client = ipyparallel.Client()
view = client.load_balanced_view()
def task1(x):
    ## Do some work.
    return x * 2
def task2(x):
    ## Do some work.
    return x * 3
def task3(x):
    ## Do some work.
    return x * 4
results1 = view.map_async(task1, [1, 2, 3])
results2 = view.map_async(task2, results1.get())
results3 = view.map_async(task3, results2.get())

但是，此代码不会提交任何任务 2，除非任务 1 已完成并且基本上处于阻塞状态。我的任务可能需要不同的时间，而且效率很低。 有没有一种简单的方法可以有效地链接这些步骤，并且引擎可以从前面的步骤中获取结果？像这样:

def task2(x):
    ## Do some work.
    return x.get() * 3 ## Get AsyncResult out.
def task3(x):
    ## Do some work.
    return x.get() * 4 ## Get AsyncResult out.
results1 = [view.apply_async(task1, x) for x in [1, 2, 3]]
results2 = []
for x in result1:
    view.set_flags(after=x.msg_ids)
    results2.append(view.apply_async(task2, x))
results3 = []
for x in result2:
    view.set_flags(after=x.msg_ids)
    results3.append(view.apply_async(task3, x))

显然，这将失败，因为 AsyncResult 不可选取。

我在考虑几个解决方案:

1. 使用 view.map_async(ordered=False)。

   results1 = view.map_async(task1, [1, 2, 3], ordered=False)
   for x in results1:
       results2.append(view.apply_async(task2, x.get()))
   

   但是这必须等待所有任务 1 完成才能提交任何任务 3。还在阻塞。

2. 使用异步。

   @asyncio.coroutine
   def submitter(x):
       result1 = yield from asyncio.wrap_future(view.apply_async(task1, x))
       result2 = yield from asyncio.wrap_future(view.apply_async(task2, result1)
       result3 = yield from asyncio.wrap_future(view.apply_async(task3, result2)
       yield result3
   
   @asyncio.coroutine
   def submit_all(ls):
       jobs = [submitter(x) for x in ls]
       results = []
       for async_r in asyncio.as_completed(jobs):
           r = yield from async_r
           results.append(r)
       ## Do some work, like analysing results.
   

   它可以正常工作，但是当引入更复杂的任务时，代码很快就会变得困惑和不直观。

感谢您的帮助。

Answer 1

方案一:链 future

IPython parallel 在这方面并不是最好的，因为连接必须在客户端级别完成。在提交结果之前，您必须等待结果完成并返回给客户端。本质上，您的 asyncio submit_all 是为 IPython 并行执行此操作的正确方法。您可以通过编写一个 chain 函数来获得更通用的东西，该函数使用 add_done_callback 在前一个任务完成时提交新任务:

from concurrent.futures import Future
from functools import partial


def chain_apply(view, func, future):
    """Chain a call to view.apply(func, future.result()) when future is ready.

    Returns a Future for the subsequent result.
    """
    f2 = Future()
    # when f1 is ready, submit a new task for func on its result
    def apply_func(f):
        if f.exception():
            f2.set_exception(f.exception())
            return
        print('submitting %s(%s)' % (func.__name__, f.result()))
        ar = view.apply_async(func, f.result())
        # when ar is done, pass through the result to f2
        ar.add_done_callback(lambda ar: f2.set_result(ar.get()))

    future.add_done_callback(apply_func)
    return f2


def chain_map(view, func, list_of_futures):
    """Chain a new callback on a list of futures."""
    return [ chain_apply(view, func, f) for f in list_of_futures ]

# use builtin map with apply, since we want one Future per item
results1 = map(partial(view.apply, task1), [1, 2, 3])
results2 = chain_map(view, task2, results1)
results3 = chain_map(view, task3, results2)
print("Waiting for results")
[ r.result() for r in results3 ]

与 add_done_callback 的任何示例一样，它可以用协程编写，但我发现这种情况下的回调很好。这至少应该是一个相当通用的实用程序，您可以使用它来编写您的管道。

选项 2:dask.distributed

全面披露:我是 IPython Parallel 的主要作者，即将建议您使用其他工具。

可以在 IPython 中通过引擎 namespace 和 DAG 依赖项将结果从一个任务传递到另一个任务，但老实说，如果您的工作流程看起来像这样，您应该考虑使用 dask distributed ，专门为这种计算图设计的。如果您已经习惯并熟悉 IPython parallel，那么开始使用 dask 应该不会是一个太大的负担。

IPython 5.1 提供了一个方便的命令，可将您的 IPython 并行集群转变为 dask 分布式集群:

import ipyparallel as ipp
client = ipp.Client()
executor = client.become_distributed(ncores=1)

然后 dask 的关键相关特性是您可以将 futures 作为参数提交给后续的 map 调用，当结果准备好时调度程序会处理它，而不必在客户端中显式地执行:

results1 = executor.map(task1, [1, 2, 3])
results2 = executor.map(task2, results1)
results3 = executor.map(task3, results2)
executor.gather(results3)

所以基本上，当您需要像这样链接事物时，dask distributed 会按照您希望 IPython parallel 的负载平衡工作的方式工作。

This notebook说明了这两个例子。