[英]How to parallelise this python script using mpi4py?
如果已经提出这个问题,我很抱歉,但我已经阅读了大量文档,但我仍然不确定如何做我想做的事情。
我想同时在多个内核上运行Python脚本。
我在一个目录中有1800个.h5文件,名称为“snaphots_s1.h5”,“snapshots_s2.h5”等,每个大小约为30MB。 这个Python脚本:
完成此操作后,脚本将从目录中读取下一个h5py文件,并执行相同的过程。 因此,在完成这项工作时,没有一个处理器需要与任何其他处理器通信。
脚本如下:
import h5py
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.colors as colors
import cmocean
import os
from mpi4py import MPI
de.logging_setup.rootlogger.setLevel('ERROR')
# Plot writes
count = 1
for filename in os.listdir('directory'): ### [PERF] Applied to ~ 1800 .h5 files
with h5py.File('directory/{}'.format(filename),'r') as file:
### Manipulate 'filename' data. ### [PERF] Each fileI ~ 0.03 TB in size
...
### Plot 'filename' data. ### [PERF] Some fileO is output here
...
count = count + 1
理想情况下,我想使用mpi4py来执行此操作(出于各种原因),但我对其他选项(如multiprocessing.Pool(我实际上无法开始工作)持开放态度。我尝试按照此处概述的方法)。
所以,我的问题是:我需要在脚本中使用什么命令来使用mpi4py并行化它? 或者,如果此选项不可用,我还能如何并行化脚本?
您应该使用多处理 ,并且Javier示例应该可以工作,但我想将其分解,以便您也可以理解这些步骤。
通常,在使用池时,您会创建一个空闲的进程池,直到您向它们传递一些工作。 理想的方法是创建一个每个进程都会执行的函数。
def worker(fn):
with h5py.File(fn, 'r') as f:
# process data..
return result
那么简单。 每个进程都将运行此进程,并将结果返回给父进程。
现在您已经拥有了完成worker
函数,让我们为它创建输入数据。 它需要一个文件名,所以我们需要一个所有文件的列表
full_fns = [os.path.join('directory', filename) for filename in
os.listdir('directory')]
接下来初始化进程池。
import multiprocessing as mp
pool = mp.Pool(4) # pass the amount of processes you want
results = pool.map(worker, full_fns)
# pool takes a worker function and input data
# you usually need to wait for all the subprocesses done their work before
using the data; so you don't work on partial data.
pool.join()
poo.close()
现在,您可以通过results
访问您的数据。
for r in results:
print r
请在评论中告诉我这对您有何影响
多处理不应该比这更复杂:
def process_one_file(fn):
with h5py.File(fn, 'r') as f:
....
return is_successful
fns = [os.path.join('directory', fn) for fn in os.listdir('directory')]
pool = multiprocessing.Pool()
for fn, is_successful in zip(fns, pool.imap(process_one_file, fns)):
print(fn, "succedded?", is_successful)
您应该能够使用multiprocessing
库轻松实现多multiprocessing
。
from multiprocessing.dummy import Pool
def processData(files):
print files
...
return result
allFiles = glob.glob("<file path/file mask>")
pool = Pool(6) # for 6 threads for example
results = pool.map(processData, allFiles)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.