Threading-Pool ähnlich dem Multiprocessing-Pool?

Gibt es eine Pool-Klasse für Worker- Threads , ähnlich der Pool-Klasse des Multiprocessing-Moduls ?

Ich mag zum Beispiel die einfache Möglichkeit, eine Kartenfunktion zu parallelisieren

def long_running_func(p):
    c_func_no_gil(p)

p = multiprocessing.Pool(4)
xs = p.map(long_running_func, range(100))

Ich möchte dies jedoch ohne den Aufwand für die Erstellung neuer Prozesse tun.

Ich weiß von der GIL. In meinem Anwendungsfall ist die Funktion jedoch eine E / A-gebundene C-Funktion, für die der Python-Wrapper die GIL vor dem eigentlichen Funktionsaufruf freigibt.

Muss ich meinen eigenen Threading-Pool schreiben?

Ich habe gerade herausgefunden , dass es tatsächlich ist ein Thread-basierte Pool - Schnittstelle im multiprocessingModul, aber es ist etwas versteckt und nicht richtig dokumentiert.

Es kann über importiert werden

from multiprocessing.pool import ThreadPool

Es wird mithilfe einer Dummy-Prozessklasse implementiert, die einen Python-Thread umschließt. Diese threadbasierte Prozessklasse befindet sich multiprocessing.dummyin der Dokumentation, die in den Dokumenten kurz erwähnt wird . Dieses Dummy-Modul soll die gesamte Multiprozessor-Schnittstelle basierend auf Threads bereitstellen.

In Python 3 können Sie Folgendes verwenden concurrent.futures.ThreadPoolExecutor:

executor = ThreadPoolExecutor(max_workers=10)
a = executor.submit(my_function)

Weitere Informationen und Beispiele finden Sie in den Dokumenten .

Ja, und es scheint (mehr oder weniger) dieselbe API zu haben.

import multiprocessing

def worker(lnk):
    ....    
def start_process():
    .....
....

if(PROCESS):
    pool = multiprocessing.Pool(processes=POOL_SIZE, initializer=start_process)
else:
    pool = multiprocessing.pool.ThreadPool(processes=POOL_SIZE, 
                                           initializer=start_process)

pool.map(worker, inputs)
....

Für etwas sehr Einfaches und Leichtes (von hier leicht modifiziert ):

from Queue import Queue
from threading import Thread


class Worker(Thread):
    """Thread executing tasks from a given tasks queue"""
    def __init__(self, tasks):
        Thread.__init__(self)
        self.tasks = tasks
        self.daemon = True
        self.start()

    def run(self):
        while True:
            func, args, kargs = self.tasks.get()
            try:
                func(*args, **kargs)
            except Exception, e:
                print e
            finally:
                self.tasks.task_done()


class ThreadPool:
    """Pool of threads consuming tasks from a queue"""
    def __init__(self, num_threads):
        self.tasks = Queue(num_threads)
        for _ in range(num_threads):
            Worker(self.tasks)

    def add_task(self, func, *args, **kargs):
        """Add a task to the queue"""
        self.tasks.put((func, args, kargs))

    def wait_completion(self):
        """Wait for completion of all the tasks in the queue"""
        self.tasks.join()

if __name__ == '__main__':
    from random import randrange
    from time import sleep

    delays = [randrange(1, 10) for i in range(100)]

    def wait_delay(d):
        print 'sleeping for (%d)sec' % d
        sleep(d)

    pool = ThreadPool(20)

    for i, d in enumerate(delays):
        pool.add_task(wait_delay, d)

    pool.wait_completion()

Um Rückrufe nach Abschluss der Aufgabe zu unterstützen, können Sie den Rückruf einfach zum Aufgabentupel hinzufügen.

Hallo, um den Thread-Pool in Python zu verwenden, können Sie diese Bibliothek verwenden:

from multiprocessing.dummy import Pool as ThreadPool

und dann für die Verwendung, diese Bibliothek wie folgt:

pool = ThreadPool(threads)
results = pool.map(service, tasks)
pool.close()
pool.join()
return results

Die Threads geben die Anzahl der gewünschten Threads an, und Aufgaben sind eine Liste der Aufgaben, die dem Dienst am häufigsten zugeordnet sind.

Hier ist das Ergebnis, das ich schließlich verwendet habe. Es ist eine modifizierte Version der Klassen von dgorissen oben.

Datei: threadpool.py

from queue import Queue, Empty
import threading
from threading import Thread


class Worker(Thread):
    _TIMEOUT = 2
    """ Thread executing tasks from a given tasks queue. Thread is signalable, 
        to exit
    """
    def __init__(self, tasks, th_num):
        Thread.__init__(self)
        self.tasks = tasks
        self.daemon, self.th_num = True, th_num
        self.done = threading.Event()
        self.start()

    def run(self):       
        while not self.done.is_set():
            try:
                func, args, kwargs = self.tasks.get(block=True,
                                                   timeout=self._TIMEOUT)
                try:
                    func(*args, **kwargs)
                except Exception as e:
                    print(e)
                finally:
                    self.tasks.task_done()
            except Empty as e:
                pass
        return

    def signal_exit(self):
        """ Signal to thread to exit """
        self.done.set()


class ThreadPool:
    """Pool of threads consuming tasks from a queue"""
    def __init__(self, num_threads, tasks=[]):
        self.tasks = Queue(num_threads)
        self.workers = []
        self.done = False
        self._init_workers(num_threads)
        for task in tasks:
            self.tasks.put(task)

    def _init_workers(self, num_threads):
        for i in range(num_threads):
            self.workers.append(Worker(self.tasks, i))

    def add_task(self, func, *args, **kwargs):
        """Add a task to the queue"""
        self.tasks.put((func, args, kwargs))

    def _close_all_threads(self):
        """ Signal all threads to exit and lose the references to them """
        for workr in self.workers:
            workr.signal_exit()
        self.workers = []

    def wait_completion(self):
        """Wait for completion of all the tasks in the queue"""
        self.tasks.join()

    def __del__(self):
        self._close_all_threads()


def create_task(func, *args, **kwargs):
    return (func, args, kwargs)

Den Pool benutzen

from random import randrange
from time import sleep

delays = [randrange(1, 10) for i in range(30)]

def wait_delay(d):
    print('sleeping for (%d)sec' % d)
    sleep(d)

pool = ThreadPool(20)
for i, d in enumerate(delays):
    pool.add_task(wait_delay, d)
pool.wait_completion()

Der Aufwand für die Erstellung der neuen Prozesse ist minimal, insbesondere wenn es sich nur um vier handelt. Ich bezweifle, dass dies ein Leistungs-Hotspot Ihrer Anwendung ist. Halten Sie es einfach, optimieren Sie, wo Sie müssen und wohin die Profilerstellungsergebnisse zeigen.

Es ist kein Thread-basierter Pool integriert. Es kann jedoch sehr schnell sein, eine Produzenten- / Konsumentenwarteschlange mit der QueueKlasse zu implementieren .

Von: https://docs.python.org/2/library/queue.html

from threading import Thread
from Queue import Queue
def worker():
    while True:
        item = q.get()
        do_work(item)
        q.task_done()

q = Queue()
for i in range(num_worker_threads):
     t = Thread(target=worker)
     t.daemon = True
     t.start()

for item in source():
    q.put(item)

q.join()       # block until all tasks are done