- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在尝试找出一种好的方法来对处理大数据集的代码进行并行化,然后将结果数据导入 RavenDb。
数据处理受 CPU 限制和数据库导入 IO 限制。
我正在寻找一种解决方案,以对 Environment.ProcessorCount 线程数进行并行处理。然后,应将生成的数据导入到与上述过程并行的 x(比方说 10)个池化线程上的 RavenDb。
这里的主要内容是我希望在导入完成的数据时继续处理,以便在等待导入完成时继续处理下一个数据集。
另一个问题是成功导入后需要丢弃每个批处理的内存,因为私有(private)工作内存很容易达到 >5GB。
下面的代码是我到目前为止所得到的。请注意,它不满足上述并行化要求。
datasupplier.GetDataItems()
.Partition(batchSize)
.AsParallel()
.WithDegreeOfParallelism(Environment.ProcessorCount)
.ForAll(batch =>
{
Task.Run(() =>
{
...
}
}
GetDataItem 生成可枚举的数据项,这些数据项被划分为一个批处理数据集。 GetDataItem 将产生约 2,000,000 个项目,每个项目平均需要 0.3 毫秒左右的处理时间。
该项目在 x64 平台上的最新 .NET 4.5 RC 上运行。
更新。
我当前的代码(如上所示)将获取项目并分批对它们进行分区。每个批处理在八个线程上并行处理(i7 上的 Environment.ProcessorCount)。处理速度慢,受 CPU 限制且内存密集。当单个批处理的处理完成时,将启动一个任务以将结果数据异步导入 RavenDb。批量导入作业本身是同步的,看起来像:
using (var session = Store.OpenSession())
{
foreach (var data in batch)
{
session.Store(data);
}
session.SaveChanges();
}
这种方法存在一些问题:
每次完成一个批处理时,都会启动一个任务来运行导入作业。我想限制并行运行的任务数(例如最多 10 个)。此外,即使启动了许多任务,它们似乎也永远不会并行运行。
内存分配是一个大问题。处理/导入批处理后,它似乎仍保留在内存中。
我正在寻找解决上述问题的方法。理想情况下我想要:
解决方案
var batchSize = 10000;
var bc = new BlockingCollection<List<Data>>();
var importTask = Task.Run(() =>
{
bc.GetConsumingEnumerable()
.AsParallel()
.WithExecutionMode(ParallelExecutionMode.ForceParallelism)
.WithMergeOptions(ParallelMergeOptions.NotBuffered)
.ForAll(batch =>
{
using (var session = Store.OpenSession())
{
foreach (var i in batch) session.Store(i);
session.SaveChanges();
}
});
});
var processTask = Task.Run(() =>
{
datasupplier.GetDataItems()
.Partition(batchSize)
.AsParallel()
.WithDegreeOfParallelism(Environment.ProcessorCount)
.ForAll(batch =>
{
bc.Add(batch.Select(i => new Data()
{
...
}).ToList());
});
});
processTask.Wait();
bc.CompleteAdding();
importTask.Wait();
最佳答案
您的任务总体上听起来像是生产者-消费者工作流程。您的批处理器是生产者,而您的 RavenDB 数据“导入”是生产者输出的消费者。
考虑使用 BlockingCollection<T>
作为批处理程序和数据库导入程序之间的连接。一旦批处理器将完成的批处理推送到阻塞集合中,数据库导入器就会醒来,并在它们“ catch ”并清空集合后重新进入休眠状态。
批处理器生产者可以全速运行,并且将始终与处理先前完成的批处理的数据库导入器任务并发运行。如果您担心批处理器可能比数据库导入器领先太多(b/c 数据库导入比处理每个批处理花费的时间要长得多),您可以设置阻塞集合的上限,以便生产者在添加时阻塞超过这个限制,让消费者有机会 catch 。
不过,您的一些评论令人担忧。启动一个 Task 实例以异步执行数据库导入到批处理并没有什么特别的错误。任务!=线程。创建新的任务实例不会产生与创建新线程相同的巨大开销。
不要执着于过于精确地控制线程。即使您指定您想要的存储桶数量与您拥有的核心数量完全相同,您也不会独占使用这些核心。来自其他进程的数百个其他线程仍将在您的时间片之间进行调度。使用任务指定逻辑工作单元并让 TPL 管理线程池。避免因错误的控制感而感到沮丧。 ;>
在您的评论中,您指出您的任务似乎没有彼此异步运行(您如何确定这一点?)并且在每个批处理完成后似乎没有释放内存。我建议放弃一切,直到你能首先弄清楚这两个问题是怎么回事。您忘记在某处调用 Dispose() 了吗?您是否持有一个不必要地使整个对象树保持事件状态的引用?你测量的是正确的东西吗?并行任务是否由阻塞数据库或网络 I/O 序列化?在这两个问题得到解决之前,您的并行计划是什么并不重要。
关于c# - CPU 绑定(bind)任务的并行化继续与 IO 绑定(bind),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/11676807/
有没有办法同时运行 2 个不同的代码块。我一直在研究 R 中的并行包,它们似乎都基于在循环中运行相同的函数。我正在寻找一种同时运行不同函数的方法(循环的 1 次迭代)。例如,我想在某个数据对象上创建一
无论如何增加 Parallel.For 启动后的循环次数?示例如下: var start = 0; var end = 5; Parallel.For(start, end, i => { C
我是 Golang 的新手,正在尝试了解并发和并行。我阅读了下面提到的关于并发和并行的文章。我执行了相同的程序。但没有得到相同的(混合字母和字符)输出。首先获取所有字母,然后获取字符。似乎并发不工作,
我正在寻找同时迭代 R 中两个或多个字符向量/列表的方法,例如。有没有办法做这样的事情: foo <- c('a','c','d') bar <- c('aa','cc','dd') for(i in
我对 Raku 很陌生,我对函数式方法有疑问,尤其是 reduce。 我最初有这样的方法: sub standardab{ my $mittel = mittel(@_); my $foo =
我最近花了很多时间来学习实时音频处理的细节,我发现的大多数库/工具都是c / c++代码或脚本/图形语言的形式,并在其中编译了c / c++代码。引擎盖。 使用基于回调的API,与GUI或App中的其
我正在使用 JMeter 进行图像负载测试。我有一个图像名称数组并遍历该数组,我通过 HTTP 请求获取所有图像。 -> loop_over_image - for loop controller
我整个晚上都在困惑这个问题...... makeflags = ['--prefix=/usr','--libdir=/usr/lib'] rootdir='/tmp/project' ps = se
我正在尝试提高计算图像平均值的方法的性能。 为此,我使用了两个 For 语句来迭代所有图像,因此我尝试使用一个 Parallel For 来改进它,但结果并不相同。 我做错了吗?或者是什么导致了差异?
假设您有一个并行 for 循环实现,例如ConcRT parallel_for,将所有工作放在一个 for 循环体内总是最好的吗? 举个例子: for(size_t i = 0; i < size()
我想并行运行一部分代码。目前我正在使用 Parallel.For 如何让10、20或40个线程同时运行 我当前的代码是: Parallel.For(1, total, (ii) =>
我使用 PAY API 进行了 PayPal 自适应并行支付,其中无论用户(买家)购买什么,都假设用户购买了总计 100 美元的商品。在我的自适应并行支付中,有 2 个接收方:Receiver1 和
我正在考虑让玩家加入游戏的高效算法。由于会有大量玩家,因此算法应该是异步的(即可扩展到集群中任意数量的机器)。有细节:想象有一个无向图(每个节点都是一个玩家)。玩家之间的每条边意味着玩家可以参加同一场
我有一个全局变量 volatile i = 0; 和两个线程。每个都执行以下操作: i++; System.out.print(i); 我收到以下组合。 12、21 和 22。 我理解为什么我没有得到
我有以下称为 pgain 的方法,它调用我试图并行化的方法 dist: /***************************************************************
我有一个 ruby 脚本读取一个巨大的表(约 2000 万行),进行一些处理并将其提供给 Solr 用于索引目的。这一直是我们流程中的一大瓶颈。我打算在这里加快速度,我想实现某种并行性。我对 Ru
我正在研究 Golang 并遇到一个问题,我已经研究了几天,我似乎无法理解 go routines 的概念以及它们的使用方式。 基本上我是在尝试生成数百万条随机记录。我有生成随机数据的函数,并将创建一
我希望 for 循环使用 go 例程并行。我尝试使用 channel ,但没有用。我的主要问题是,我想在继续之前等待所有迭代完成。这就是为什么在它不起作用之前简单地编写 go 的原因。我尝试使用 ch
我正在使用 import Control.Concurrent.ParallelIO.Global main = parallel_ (map processI [1..(sdNumber runPa
我正在尝试通过 makePSOCKcluster 连接到另一台计算机: library(parallel) cl ... doTryCatch -> recvData -> makeSOCKm
我是一名优秀的程序员,十分优秀!