多处理和多线程

Question

我之前问过一个类似的问题，但没有得到有用的回答，所以我会尽量让事情更清楚。

我正在寻找的是对某个 linux 命令运行多线程或最好是多处理方法。如果有人熟悉Picard，我想在 bam 文件上运行早期版本，同时在同一个 bam 文件上运行较新版本。这个想法是测试新版本的速度有多快，以及它是否给出相同的结果。

我的主要问题是我不知道如何在 Popen 命令上实现多处理。例如

cmd1 = ['nice', 'time', 'java', '-Xmx6G', '-jar', '/comparison/old_picard/MarkDuplicates.jar', 'I=/comparison/old.bam', 'O=/comparison/old_picard/markdups/old.dupsFlagged.bam', 'M=/comparison/old_picard/markdups/old.metrics.txt', 'TMP_DIR=/comparison', 'VALIDATION_STRINGENCY=LENIENT', 'ASSUME_SORTED=true']
cmd2 = ['nice', 'time', 'java', '-Xmx6G', '-jar', '/comparison/new_picard/MarkDuplicates.jar', 'I=/comparison/new.bam', 'O=/comparison/new_picard/markdups/new.dupsFlagged.bam', 'M=/comparison/new_picard/markdups/new.metrics.txt', 'TMP_DIR=/comparison', 'VALIDATION_STRINGENCY=LENIENT', 'ASSUME_SORTED=true']

c1 = subprocess.Popen(cmd1, stdout=subprocess.PIPE)
c2 = subprocess.Popen(cmd2, stdout=subprocess.PIPE)

然后我有一个定时器功能：

def timeit(c):
    past = time.time()
    results = [c.communicate()]
    present = time.time()
    total = present - past
    results.append(total)
    return results

我想做的是：

p = Process(target=timeit, args=(c1,c2))
p.start()
p.join()

但是我得到“Popen object not iterable”错误。有没有人比我现在有更好的主意？我不想朝着完全不同的方向前进，只是为了撞到另一堵墙。总之，我想同时在一个 cpu 上运行 c1 并在另一个 cpu 上运行 c2，请帮助！

Answer 1

我认为这样的事情应该可行：

p1 = Process(target=timeit, args=(c1,))
p2 = Process(target=timeit, args=(c2,))
p1.start()
p2.start()
p1.join()
p2.join()

我不知道你的迭代错误在哪里（它是哪一行？）。

另外，我认为你最好分开运行它们。当你一起运行它们时，你会冒一个进程被赋予更多 CPU 时间并且看起来更快的风险，即使它不是。

Answer 2

而不是传递 subprocess.Popen（当它第一次定义时，它将串行而不是并行运行它们），传递 命令：

import time
import subprocess
from multiprocessing import Process

cmd1 = ['nice', 'time', 'java', '-Xmx6G', '-jar', '/comparison/old_picard/MarkDuplicates.jar', 'I=/comparison/old.bam', 'O=/comparison/old_picard/markdups/old.dupsFlagged.bam', 'M=/comparison/old_picard/markdups/old.metrics.txt', 'TMP_DIR=/comparison', 'VALIDATION_STRINGENCY=LENIENT', 'ASSUME_SORTED=true']
cmd2 = ['nice', 'time', 'java', '-Xmx6G', '-jar', '/comparison/new_picard/MarkDuplicates.jar', 'I=/comparison/new.bam', 'O=/comparison/new_picard/markdups/new.dupsFlagged.bam', 'M=/comparison/new_picard/markdups/new.metrics.txt', 'TMP_DIR=/comparison', 'VALIDATION_STRINGENCY=LENIENT', 'ASSUME_SORTED=true']

def timeit(cmd):
    print cmd
    past = time.time()
    p = subprocess.Popen(cmd, stdout=subprocess.PIPE)
    results = [p.communicate()]
    present = time.time()
    total = present - past
    results.append(total)
    return results

p1 = Process(target=timeit, args=(cmd1,))
p2 = Process(target=timeit, args=(cmd2,))

for p in (p1, p2):
    p.start()
for p in (p1, p2):
    p.join()

ETA：虽然上述解决方案通常是进行多处理的方法，但@Jordan 是完全正确的，您不应该使用这种方法对两个版本的软件进行计时。为什么不按顺序运行它们？