[英]IPC shared memory across Python scripts in separate Docker containers
我已经编写了一个神经网络分类器,该分类器可以获取海量图像(每张图像约1-3 GB),将其打补丁,然后分别通过网络传递这些补丁。 培训的进行过程非常缓慢,因此我对其进行了基准测试,发现用大约50秒的时间将补丁从一个图像加载到内存(使用Openslide库 ),而仅需0.5秒的时间就可以将它们通过模型。
但是,我正在使用具有1.5Tb RAM的超级计算机,其中仅使用了约26 Gb。 数据集总计约500Gb。 我的想法是,如果我们可以将整个数据集加载到内存中,它将极大地加快训练速度。 但是我正在与一个研究团队合作,我们正在多个Python脚本之间进行实验。 因此,理想情况下,我想将一个脚本中的整个数据集加载到内存中,并能够在所有脚本中对其进行访问。
更多细节:
.tif
格式存储。 我发现了很多关于如何在多个Python脚本之间共享Python对象或内存中的原始数据的文章:
多处理模块中具有SyncManager和BaseManager的服务器进程| 示例1 | 示例2 | Docs-服务器进程 | 文件-SyncManager
Manager
对象在发送对象之前先对其进行腌制,这可能会使速度变慢。 mmap
将文件映射到虚拟内存,而不是物理内存 -它创建一个临时文件。 适用于Python的sysv_ipc模块。 这个演示看起来很有希望。
multi-processing
模块中可用的功能? 我还在Python中找到了IPC /网络选项列表 。
有些人讨论服务器-客户端设置,有些人讨论序列化/反序列化,这恐怕会比从磁盘读取花费更多的时间。 我找不到任何答案可以解决我的问题,这些答案是否会导致I / O性能的提高。
我们不仅需要在脚本之间共享Python对象/内存; 我们需要在Docker容器之间共享它们。
Docker 文档很好地解释了--ipc
标志。 根据文档的运行情况,对我来说有意义的是:
docker run -d --ipc=shareable data-server
docker run -d --ipc=container:data-server data-client
但是,当我在如上所述设置--ipc
连接的单独容器中运行客户端和服务器时,它们无法相互通信。 我读过SO问题( 1 , 2 , 3 , 4 )不以单独的Docker容器Python脚本之间共享存储器的地址的集成。
docker run --ipc=<mode>
集成在一起? (共享IPC名称空间甚至是跨Docker容器共享内存的最佳方法吗?) 这是我在单独容器中的Python脚本之间共享内存的幼稚方法。 当Python脚本在同一容器中运行时有效,但在单独的容器中运行时无效。
server.py
from multiprocessing.managers import SyncManager
import multiprocessing
patch_dict = {}
image_level = 2
image_files = ['path/to/normal_042.tif']
region_list = [(14336, 10752),
(9408, 18368),
(8064, 25536),
(16128, 14336)]
def load_patch_dict():
for i, image_file in enumerate(image_files):
# We would load the image files here. As a placeholder, we just add `1` to the dict
patches = 1
patch_dict.update({'image_{}'.format(i): patches})
def get_patch_dict():
return patch_dict
class MyManager(SyncManager):
pass
if __name__ == "__main__":
load_patch_dict()
port_num = 4343
MyManager.register("patch_dict", get_patch_dict)
manager = MyManager(("127.0.0.1", port_num), authkey=b"password")
# Set the authkey because it doesn't set properly when we initialize MyManager
multiprocessing.current_process().authkey = b"password"
manager.start()
input("Press any key to kill server".center(50, "-"))
manager.shutdown
client.py
from multiprocessing.managers import SyncManager
import multiprocessing
import sys, time
class MyManager(SyncManager):
pass
MyManager.register("patch_dict")
if __name__ == "__main__":
port_num = 4343
manager = MyManager(("127.0.0.1", port_num), authkey=b"password")
multiprocessing.current_process().authkey = b"password"
manager.connect()
patch_dict = manager.patch_dict()
keys = list(patch_dict.keys())
for key in keys:
image_patches = patch_dict.get(key)
# Do NN stuff (irrelevant)
当这些脚本在同一容器中运行时,这些脚本可以很好地共享图像。 但是,当它们在单独的容器中运行时,如下所示:
# Run the container for the server
docker run -it --name cancer-1 --rm --cpus=10 --ipc=shareable cancer-env
# Run the container for the client
docker run -it --name cancer-2 --rm --cpus=10 --ipc=container:cancer-1 cancer-env
我收到以下错误:
Traceback (most recent call last):
File "patch_client.py", line 22, in <module>
manager.connect()
File "/usr/lib/python3.5/multiprocessing/managers.py", line 455, in connect
conn = Client(self._address, authkey=self._authkey)
File "/usr/lib/python3.5/multiprocessing/connection.py", line 487, in Client
c = SocketClient(address)
File "/usr/lib/python3.5/multiprocessing/connection.py", line 614, in SocketClient
s.connect(address)
ConnectionRefusedError: [Errno 111] Connection refused
我建议您尝试使用tmpfs 。
它是一项Linux功能,可让您创建一个虚拟文件系统,所有文件系统都存储在RAM中。 这样可以非常快速地访问文件,并且只需设置一个bash命令即可。
除了非常快速和直接之外,它在您的情况下还具有许多优点:
cp
到tmpfs
tmpfs
可以调整页面并将其交换到硬盘驱动器。 如果您必须在没有可用RAM的服务器上运行此文件,则可以将所有文件放在具有普通文件系统的硬盘驱动器上,而根本不用触摸代码。 使用步骤:
sudo mount -t tmpfs -o size=600G tmpfs /mnt/mytmpfs
cp -r dataset /mnt/mytmpfs
在某些情况下, ramfs
可能比tmpfs
更快,因为它没有实现页面交换。 要使用它,只需按照上面的说明将tmpfs
替换为ramfs
。
我认为shared memory
或mmap
解决方案是正确的。
共享内存:
在服务器进程中首先读取内存中的数据集。 对于python,只需使用multiprocessing
包装器在进程之间的共享内存中创建对象,例如: multiprocessing.Value或multiprocessing.Array ,然后创建Process并将共享对象作为args传递。
mmap:
将数据集存储在主机上的文件中。 然后,每个容器将文件安装到容器中。 如果一个容器打开文件并将其映射到其虚拟内存,则另一个容器在打开文件时将不需要从磁盘读取文件到内存,因为该文件已在物理内存中。
PS我不确定cpython如何在进程之间实现大共享内存,大概cpython共享内存使用mmap
内部。
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.