Python 多处理池：在任务执行期间动态设置进程数

Question

我们在开发机器上使用 Python 2.7（由许多独立的并行进程组成）提交大型 CPU 密集型作业，这些作业一次持续数天。 当这些作业与大量进程一起运行时，机器的响应速度会大大降低。 理想情况下，当我们开发代码时，我想限制白天可用的 CPU 数量，并在夜间尽可能高效地运行尽可能多的进程。

Python 多处理库允许您在启动池时指定进程数。 每次启动新任务时，有没有办法动态更改此数字？

例如，允许在 19-07 小时运行 20 个进程，在 07-19 小时运行 10 个进程。

一种方法是检查使用大量 CPU 的活动进程的数量。 这就是我希望它工作的方式：

from multiprocessing import Pool
import time 

pool = Pool(processes=20)

def big_task(x):
    while check_n_process(processes=10) is False:
        time.sleep(60*60)
    x += 1
    return x 


x = 1
multiple_results = [pool.apply_async(big_task, (x)) for i in range(1000)]
print([res.get() for res in multiple_results])

但我需要编写“check_n_process”函数。

任何其他想法如何解决这个问题？

（代码需要在 Python 2.7 中运行 - bash 实现是不可行的）。

Answer 1

Python multiprocessing.Pool不提供更改正在运行的Pool的工作Pool 。 一个简单的解决方案是依赖第三方工具。

池提供通过billiard用于提供这样的功能。

像Celery或Luigi这样的任务队列框架肯定允许灵活的工作负载，但要复杂得多。

如果使用外部依赖不可行，可以试试下面的方法。 从这个答案中详细说明，您可以设置基于信号量的节流机制。

from threading import Semaphore, Lock
from multiprocessing import Pool

def TaskManager(object):
    def __init__(self, pool_size):
        self.pool = Pool(processes=pool_size)
        self.workers = Semaphore(pool_size)
        # ensures the semaphore is not replaced while used
        self.workers_mutex = Lock()  

    def change_pool_size(self, new_size):
        """Set the Pool to a new size."""
        with self.workers_mutex:  
            self.workers = Semaphore(new_size)

    def new_task(self, task):
        """Start a new task, blocks if queue is full."""
        with self.workers_mutex:
            self.workers.acquire()

        self.pool.apply_async(big_task, args=[task], callback=self.task_done))

    def task_done(self):
        """Called once task is done, releases the queue is blocked."""
        with self.workers_mutex:
            self.workers.release()

如果超过 X 个工作人员忙，该池将阻止进一步尝试安排您的big_tasks 。 通过控制此机制，您可以限制并发运行的进程数量。 当然，这意味着你放弃了Pool排队机制。

task_manager = TaskManager(20)

while True:
    if seven_in_the_morning():
        task_manager.change_pool_size(10)
    if seven_in_the_evening():
        task_manager.change_pool_size(20)

    task = get_new_task()
    task_manager.new_task()  # blocks here if all workers are busy

Answer 2

这是非常不完整的（也是一个老问题），但是您可以通过跟踪正在运行的进程并仅在有利时调用 apply_async() 来管理负载； 如果每个作业的运行时间少于永远，您可以通过在工作时间或 os.getloadavg() 太高时调度更少的作业来降低负载。 我这样做是为了在运行多个“scp”以逃避我们内部网络上的流量整形时管理网络负载（不要告诉任何人！）