Python並行比較2個CSV文件

Question

我嘗試比較2個csv文件，每個文件包含100000行和10列。 我運行此代碼可以正常工作，但是當我有8個內核時，它僅使用一個CPU線程。 我希望這段代碼使用所有cpu線程。 經過搜索，我發現了並行的想法。 但是當我嘗試在此python代碼中將並行應用於for循環時，它不起作用。 如何並行應用此代碼？ 預先感謝您的幫助！

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

昂貴的任務是為每個主機行重新掃描主表的內部循環。 由於python執行協作多線程（您可以搜索“ python GIL”），一次只能運行一個線程，因此多個線程不會加快cpu綁定操作的速度。 您可以生成子流程，但隨后必須權衡將數據傳輸到工作流程的成本與速度的提高。

或者，優化您的代碼。 與其並行運行，不如索引主節點。 您可以交換昂貴的100000條記錄掃描來快速查找字典。

我colA在代碼中添加with子句以節省幾行，並且跳過了colA等...（改為使用命名索引）來保持代碼較小。

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)