并发中的 Pybind11 并行处理问题::parallel_for

Question

我有一个在矩阵上执行filtering 的python 代码。我使用pybind11 创建了一个C++ 接口，它以序列化方式成功运行（请参阅下面的代码）。

我正在尝试使其并行处理，以希望与其序列化版本相比减少计算时间。为此，我将大小为M×N 的数组拆分为三个大小为M×(N/3) 的子矩阵，以使用相同的接口并行处理它们。

我使用 ppl.h 库创建了一个并行 for 循环，并在每个循环中调用大小为 M×(N/3) 的子矩阵上的 python 函数。

#include <iostream>
#include <ppl.h>

#include "pybind11/embed.h"
#include <pybind11/iostream.h>
#include <pybind11/stl_bind.h>
#include "pybind11/eigen.h"
#include "pybind11/stl.h"
#include "pybind11/numpy.h"
#include "pybind11/functional.h"
#include <Eigen/Dense>

namespace py = pybind11;

class myClass
{
public:
    myClass()
    {
        m_module = py::module::import("myFilterScript");
        m_handle = m_module.attr("medianFilter");
    };

    void medianFilterSerialized(Eigen::Ref<Eigen::MatrixXf> input, int windowSize) 
    {
        Eigen::MatrixXf output;
        output.resizeLike(input);
        output = m_handle(input, windowSize).cast<Eigen::MatrixXf>();
    };

    void medianFilterParallelizedUsingPPL(Eigen::Ref<Eigen::MatrixXf> input, int windowSize) 
    {
        Eigen::MatrixXf output;
        output.resizeLike(input);
        /* Acquire GIL before calling Python code */
        //py::gil_scoped_acquire acquire;
        Concurrency::parallel_for(size_t(0), size_t(3), [&](size_t i)
        {
            output.block(0, i * input.cols() / 3, input.rows(), input.cols() / 3) = m_handle(input.block(0, i * input.cols() / 3, input.rows(), input.cols() / 3).array(), windowSize).cast<Eigen::MatrixXf>();
        });
        //py::gil_scoped_release release;
    };

private:
    py::scoped_interpreter m_guard;
    py::module m_module;
    py::handle m_handle;
    py::object m_object;
};


int main()
{
    myClass c;

    Eigen::MatrixXf input = Eigen::MatrixXf::Random(240, 120);

    c.medianFilterSerialized(input, 3); 
    c.medianFilterParallelizedUsingPPL(input, 3);

    return 0;
}

myFilterScript.py:

import threading
import numpy as np
import bottleneck as bn # can be installed from https://pypi.org/project/Bottleneck/

def medianFilter(input, windowSize):
    return bn.move_median(input, window=windowSize, axis=0)

不管使用py::gil_scoped_acquire，我的代码在到达for循环时都会崩溃：

Access violation reading location // or:
Unhandled exception at 0x00007FF98BB8DB8E (ucrtbase.dll) in Pybind11_Parallelizing.exe: Fatal program exit requested.

是否有人可以帮助我了解 python 模块的加载函数是否可以以多处理或多线程方式并行调用？我的代码中缺少什么？请告诉我。提前致谢。

Answer 1

py::gil_scoped_acquire 是一个 RAII 对象，用于在一个范围内获取 GIL，类似地，py::gil_scoped_release 在“反向”RAII 中用于在一个范围内释放 GIL。因此，在相关范围内，您只需要前者。

获取 GIL 的范围在调用 Python 的函数上，因此在您传递给 parallel_for 的 lambda 中：执行的每个线程都需要持有 GIL 以访问任何 Python 对象或 API，在这种情况下m_handle。但是，在 lambda 中这样做会完全序列化代码，从而使线程的使用没有实际意义，因此它会因错误的原因解决您的问题。

这将是使用 pybind11 (https://pybind11.readthedocs.io/en/stable/advanced/embedding.html#sub-interpreter-support) 中没有直接支持的子解释器的情况，因此 C API 将是票证 (https://docs.python.org/3/c-api/init.html#c.Py_NewInterpreter)。重点是操作的数据是非Python的，所有操作原则上都是独立的。

但是，您需要知道Bottleneck 是否是线程安全的。粗略地看，它似乎没有全局/静态数据 AFAICT。理论上，还有一些并行化的空间：当调用move_median时，你需要持有GIL，当它进入用于绑定Bottleneck的Cython代码时（它将变量拆箱，从而调用Python API），然后Cython可以释放输入Bottleneck 的 C 代码时的 GIL 并在退出时重新获取，然后在 RAII 范围结束时在 lambda 中释放。然后 C 代码并行运行。

但是问题就变成了：为什么首先通过 Python 绑定从 C++ 调用 C 库？这里似乎是一个简单的解决方案：跳过 Python 并直接调用 move_median C 函数。