python - 使用ray并行化模拟器python

Question

我是 ray 新手，我正在尝试并行化我开发的模拟器。这是我的模拟器的示例，显然它更复杂。

import some_library
import sim_library_with_global_object

class Model(object):
    def __init__(self,init_vals):
        #initialize object using some of the global_object from sim_library.
        #the Model object have it's own variables not global

    def do_step(self,time):
        #calculate Model step using the global_object from sim_library
        #edit the Model variables with respect to the step


class ManyModel(object):
    def init(self):
        self.models=[]

    def add_model(self,init_vals):
        model = Model(init_vals)
        self.model.append(model)

    def step(self,time):
        for model in self.models:
            model.do_step(time)

    def get_data_step(self):
        data=[]
        for model in self.models:
            data.append(model.myvalues)
        return data



sim=ManyModel()
inits=[] #####list of init_vals
times=[] ####list of times to simulate
for init in intis:
    sim.add_model(init)

for time in times:
    sim.step(time)
    step_data=sim.get_data_step()

到目前为止，我已经尝试在 Model 类 (1) 和 ManyModel 类上使用带有装饰器 @ray.remote 的 ray (2)这两种方式:

(1)

############################## (1) ###############
import some_library
import sim_library_with_global_object

@ray.remote
class Model(object):
    def __init__(self,init_vals):
        #initialize object using some of the global_object from sim_library.
        #the Model object have it's own variables not global

    def do_step(self,time):
        #calculate Model step using the global_object from sim_library
        #edit the Model variables with respect to the step


class ManyModel(object):
    def init(self):
        self.models=[]


    def add_model(self,init_vals):
        model = Model.remote(init_vals)
        self.model.append(model)

    def step(self,time):
        futures=[]
        for model in self.models:
            futures.append(model.do_step.remote(time))
        return futures

    def get_data_step(self,futures):
        data=[]
        while len(futures)>0:
            ready, not_ready = ray.wait(ids)
            results=ray.get(ready)
            data.append(results)
        return data

ray.init()
sim=ManyModel()
inits=[] #####list of init_vals
times=[] ####list of times to simulate
for init in intis:
    sim.add_model(init)

for time in times:
    sim.step(time)
    step_data=sim.get_data_step()

和(2)

########################## (2) #################

import some_library
import sim_library_with_global_object

class Model(object):
    def __init__(self,init_vals):
        #initialize object using some of the global_object from sim_library.
        #the Model object have it's own variables not global

    def do_step(self,time):
        #calculate Model step using the global_object from sim_library
        #edit the Model variables with respect to the step

@ray.remote
class ManyModel(object):
    def init(self):
        self.models=[]
        self.data=[]


    def add_model(self,init_vals):
        model = Model(init_vals)
        self.model.append(model)

    def step(self,time):
        for model in self.models:
            model.do_step(time)

    def get_data_step(self):
        self.data=[]
        for model in self.models:
            self.data.append(model.myvalues)
        return self.data


ray.init()
sim=ManyModel.remote()
inits=[] #####list of init_vals
times=[] ####list of times to simulate
for init in intis:
    sim.add_model.remote(init)

for time in times:
    sim.step.remote(time)
    future=sim.get_data_step.remote()
    step_data=ray.get(future)

无论哪种方式，我都没有从使用光线库中获得任何好处。你能帮我使用吗？

方法(1)的更新 第一种方法的问题是我收到此警告消息

2020-11-09 11:33:20,517 警告worker.py:1779 -- 警告:12 个 PYTHON 工作线程已启动。这可能是使用大量参与者的结果，也可能是使用嵌套任务的结果(请参阅 https://github.com/ray-project/ray/issues/3644)以获取一些解决方法的讨论。

对于 10 x 模型，这是性能结果: 不使用射线: 10 x 模型 -> do_step 0.11 [s] 对于射线 (1): 10 x 模型 -> do_step 0.22 [s]

此外，每次我使用方法 (1) 创建一个 Actor 时，它都会为导入的库创建所有 global_objects 的副本，并且内存消耗会变得疯狂。我需要使用超过 100k+ 个模型对象进行午餐模拟。

总的来说，我不明白在 ray 中创建许多 actor 是否是一个好主意。

Answer 1

放大一些核心元素

ray.init()
sim=ManyModel.remote()

for time in times:
    sim.step.remote(time)
    future=sim.get_data_step.remote()
    step_data=ray.get(future)

最重要的一点是，您只创建一个 Ray actor(在 sim=ManyModel.remote() 行中)。 Ray actor 按顺序执行提交给它们的任务(默认情况下)，因此创建一个 actor 不会创造任何并行机会。要获得 Ray Actor 的并行性，您需要创建并使用多个 Actor。

第二点是您在 for 循环内部调用 ray.get 。这意味着在 for 循环的每次迭代中，您都会提交一个任务，然后调用 ray.get 等待任务完成并检索结果。相反，您需要提交多个任务(可能在循环内)，然后在循环外调用 ray.get。