ipython notebook：如何并行化外部脚本

Question

我正在尝试使用 ipython 并行库中的并行计算。但是我对此知之甚少，而且我发现很难从对并行计算一无所知的人那里阅读该文档。

有趣的是，我发现的所有教程都只是重用了文档中的示例，并具有相同的解释，在我看来，这是无用的。

基本上我想做的是在后台运行几个脚本，以便同时执行它们。在 bash 中会是这样的：

for my_file in $(cat list_file); do
    python pgm.py my_file &
done

但是 Ipython notebook 的 bash 解释器不处理后台模式。

似乎解决方案是使用 ipython 中的并行库。

我试过了：

from IPython.parallel import Client
rc = Client()
rc.block = True
dview = rc[:2] # I take only 2 engines

但后来我被困住了。我不知道如何同时运行两次（或多次）相同的脚本或 pgm。

谢谢。

Answer 1

一年后，我终于得到了我想要的。

1) 使用您想要在不同 cpu 上执行的操作创建一个函数。这里只是使用!magic ipython 命令从bash 调用脚本。我想它可以与call() 函数一起使用。

def my_func(my_file):
    !python pgm.py {my_file}

使用!时不要忘记{}

还要注意my_file 的路径应该是绝对路径，因为集群是您启动笔记本的位置（在执行jupyter notebook 或ipython notebook 时），不一定是您所在的位置。

2) 使用您想要的 CPU 数量启动您的 ipython notebook 集群。 等待 2s 并执行以下单元格：

from IPython import parallel
rc = parallel.Client()
view = rc.load_balanced_view()

3) 获取要处理的文件列表：

files = list_of_files

4) 将您的函数与您的所有文件异步映射到您刚刚创建的引擎的view。 （不确定措辞）。

r = view.map_async(my_func, files)

当它运行时，您可以在笔记本上做其他事情（它在“background”中运行！）。您还可以调用r.wait_interactive()，它以交互方式枚举已处理的文件数、到目前为止花费的时间以及剩余的文件数。这将阻止您运行其他单元格（但您可以中断它）。

如果您的文件多于引擎，不用担心，一旦引擎完成 1 个文件，它们就会被处理。

希望这对其他人有帮助！

本教程可能会有所帮助：

http://nbviewer.ipython.org/github/minrk/IPython-parallel-tutorial/blob/master/Index.ipynb

还要注意我还有IPython 2.3.1，我不知道自从Jupyter之后它是否改变了。

编辑：仍然适用于 Jupyter，请参阅 here for difference and potential issues you may encounter

---

请注意，如果您在函数中使用外部库，则需要将它们导入不同的引擎：

%px import numpy as np

或

%%px
import numpy as np
import pandas as pd

变量和其他函数也一样，需要推送到引擎命名空间：

rc[:].push(dict(
                foo=foo,
                bar=bar))

---

Answer 2

如果您尝试并行执行一些外部脚本，则不需要使用 IPython 的并行功能。复制bash的并行执行可以通过subprocess模块​​实现，如下：

import subprocess

procs = []
for i in range(10):
    procs.append(subprocess.Popen(['ls', '/Users/shad/tmp/'], stdout=subprocess.PIPE))

results = []
for proc in procs:
    stdout, _ = proc.communicate()
    results.append(stdout)

请注意，如果您的子进程生成大量输出，该进程将阻塞。如果你打印输出（结果），你会得到：

print results

['file1\nfile2\n', 'file1\nfile2\n', 'file1\nfile2\n', 'file1\nfile2\n', 'file1\nfile2\n', 'file1\nfile2\n', 'file1\nfile2\n', 'file1\nfile2\n', 'file1\nfile2\n', 'file1\nfile2\n']