Python并行比较2个CSV文件

Question

我尝试比较2个csv文件，每个文件包含100000行和10列。 我运行此代码可以正常工作，但是当我有8个内核时，它仅使用一个CPU线程。 我希望这段代码使用所有cpu线程。 经过搜索，我发现了并行的想法。 但是当我尝试在此python代码中将并行应用于for循环时，它不起作用。 如何并行应用此代码？ 预先感谢您的帮助！

import csv  
#read csv files
f1= file('host.csv','r')
f2= file('master.csv','r')
f3= file('results.csv','w') 

c1=csv.reader(f1) 
c2=csv.reader(f2)
next(c2, None)
c3=csv.writer(f3)
#for loop compare row in host csv file 
master_list = list(c2) 
for row in c1: 
    row=1
    found = False
    colA = str(row[0])  #protocol
    colB = str(row[11])  
    colC = str(row[12])  
    colD = str(row[13]) 
    colE = str(row[14])  
    #loop in each row of master csv file
    for master_row in master_list:
        results_row=row
        colBf2 = str(master_row[4])  
        colCf2 = str(master_row[5])  
        colDf2 = str(master_row[6])  
        colEf2 = str(master_row[7])  
        colFf2 = str(master_row[3])
        #check condition
        if colA == 'icmp':
           #sub condiontion
           if colB == colBf2 and colD == colDf2:
              results_row.append(colFf2)
              found = True
              break
           row = row + 1
        else:
           if colB == colBf2 and colD == colDf2 and colE == colEf2:
              results_row.append(colFf2)
              found = True
              break
           row =row+1
   if not found:
      results_row.append('Not Match')
   c3.writerow(results_row)
f1.close()
f2.close()
f3.close()

Answer 1

昂贵的任务是为每个主机行重新扫描主表的内部循环。 由于python执行协作多线程（您可以搜索“ python GIL”），一次只能运行一个线程，因此多个线程不会加快cpu绑定操作的速度。 您可以生成子流程，但随后必须权衡将数据传输到工作流程的成本与速度的提高。

或者，优化您的代码。 与其并行运行，不如索引主节点。 您可以交换昂贵的100000条记录扫描来快速查找字典。

我colA在代码中添加with子句以节省几行，并且跳过了colA等...（改为使用命名索引）来保持代码较小。

import csv

# columns of interest
A, B, C, D, E, F = 0, 11, 12, 13, 14, 3

# read and index column F in master by (B,D) and (B,D,E), discarding
# duplicates for those keys
col_index = {}
with open('master.csv') as master:
    next(master)
    for row in csv.reader(master):
        key = row[B], row[D]
        if key not in col_index:
            col_index[key] = row[F]
        key = row[B], row[D], row[E]
        if key not in col_index:
            col_index[key] = row[F]

#read csv files
with open('host.csv') as f1, open('results.csv','w') as f3: 
    c1=csv.reader(f1)
    c3=csv.writer(f3) 
    for row in c1:
        if row[A] == "icmp":
            indexer = (row[B], row[D])
        else:
            indexer = (row[B], row[D], row[E])
        row.append(col_index.get(indexer, 'Not Match'))
        c3.writerow(row)