在python中并行执行任务

Question

我使用的是 python 2.7，我有一些看起来像这样的代码：

task1()
task2()
task3()
dependent1()

task4()
task5()
task6()
dependent2()

dependent3()

这里唯一的依赖如下：dependent1需要等待task1-3，dependent2需要等待task 4-6，dependent3需要等待dependents1-2……下面就可以了：运行整体6 个任务首先并行，然后是前两个依赖项并行.. 然后是最后一个依赖项

我更喜欢让尽可能多的任务并行运行，我搜索了一些模块，但我希望避免使用外部库，并且不确定 Queue-Thread 技术如何解决我的问题（也许有人可以推荐好资源？）

Answer 1

看Gevent。

示例用法：

import gevent
from gevent import socket

def destination(jobs):
    gevent.joinall(jobs, timeout=2)
    print [job.value for job in jobs]

def task1():
    return gevent.spawn(socket.gethostbyname, 'www.google.com')

def task2():
    return gevent.spawn(socket.gethostbyname, 'www.example.com')

def task3():
    return gevent.spawn(socket.gethostbyname, 'www.python.org')

jobs = []
jobs.append(task1())
jobs.append(task2())
jobs.append(task3())
destination(jobs)

希望，这就是您一直在寻找的。​​p>

Answer 2

内置的threading.Thread 类提供您所需的一切：start 用于启动新线程，join 用于等待线程结束。

import threading

def task1():
    pass
def task2():
    pass
def task3():
    pass
def task4():
    pass
def task5():
    pass
def task6():
    pass

def dep1():
    t1 = threading.Thread(target=task1)
    t2 = threading.Thread(target=task2)
    t3 = threading.Thread(target=task3)

    t1.start()
    t2.start()
    t3.start()

    t1.join()
    t2.join()
    t3.join()

def  dep2():
    t4 = threading.Thread(target=task4)
    t5 = threading.Thread(target=task5)

    t4.start()
    t5.start()

    t4.join()
    t5.join()

def dep3():
    d1 = threading.Thread(target=dep1)
    d2 = threading.Thread(target=dep2)

    d1.start()
    d2.start()

    d1.join()
    d2.join()

d3 = threading.Thread(target=dep3)
d3.start()
d3.join()

或者加入你可以使用Queue.join等待线程结束。

Answer 3

如果您愿意尝试外部库，您可以使用Ray 优雅地表达任务及其依赖关系。这在单台机器上运行良好，这里的优点是使用 Ray 比使用 python 多处理更容易表达并行性和依赖关系，并且它没有 GIL（全局解释器锁定）问题，通常会阻止多线程有效工作。此外，如果您将来需要，可以很容易地在集群上扩展工作负载。

解决方案如下：

import ray

ray.init()

@ray.remote
def task1():
    pass

@ray.remote
def task2():
    pass

@ray.remote
def task3():
    pass

@ray.remote
def dependent1(x1, x2, x3):
    pass

@ray.remote
def task4():
    pass

@ray.remote
def task5():
    pass

@ray.remote
def task6():
    pass

@ray.remote
def dependent2(x1, x2, x3):
    pass

@ray.remote
def dependent3(x, y):
    pass

id1 = task1.remote()
id2 = task2.remote()
id3 = task3.remote()

dependent_id1 = dependent1.remote(id1, id2, id3)

id4 = task4.remote()
id5 = task5.remote()
id6 = task6.remote()

dependent_id2 = dependent2.remote(id4, id5, id6)

dependent_id3 = dependent3.remote(dependent_id1, dependent_id2)

ray.get(dependent_id3) # This is optional, you can get the results if the tasks return an object

您还可以通过使用任务内部的参数并返回结果（例如说“返回值”而不是上面的“通过”）在任务之间传递实际的 Python 对象。

使用“pip install ray”，上面的代码可以在单台机器上开箱即用，而且在集群上并行化应用程序也很容易，无论是在云中还是在您自己的自定义集群中，请参阅https://ray.readthedocs.io/en/latest/autoscaling.html 和@ 987654323@)。如果您以后的工作量增加，这可能会派上用场。

免责声明：我是 Ray 的开发者之一。