python - 使用多处理时避免重新编译 numba 代码

Question

我一直在使用 numba 进行多重处理。

唯一的问题 - numba 分别为每个进程重新编译代码。

(当进程数等于物理CPU数时，问题不大， 但当情况并非如此时，这是一个巨大的数字!)

有没有办法让numba编译一次代码， 然后跨进程边界共享编译的工件？

示例 -

from multiprocessing import Process
from time import time, sleep
from numba import njit


@njit
def child():
    pass


if __name__ == "__main__":
    ps = [Process(target=child) for _ in range(100)]
    for p in ps:
        p.start()
    s = time()
    for p in ps:
        p.join()
    print("compile time:", time() - s)

compile time: 19.10037922859192

所有核心的 CPU 使用率均固定为 100%。 我已经尝试过 numba 的 cache=True，但不幸的是我的代码无法缓存。

/Users/dev/PycharmProjects/trading/tradingdo/strategy.py:91: NumbaWarning: Cannot cache compiled function "_strategy1" as it uses dynamic globals (such as ctypes pointers and large global arrays)
  @njit

Answer 1

在支持 fork() 的系统 (Linux) 上，这很容易 -

只需在启动进程之前编译该函数一次 - 这将使 numba 缓存编译器输出，就像通常一样。

但是由于 fork 的写时复制魔法，该缓存会自动与子进程共享!

不太清楚的是如何在没有适当 fork() 支持的系统上执行此操作。 numba 的缓存可以 pickled 吗？

from multiprocessing import Process
from time import time, sleep
from numba import njit


@njit
def child():
    pass


if __name__ == "__main__":
    child() # this will do it

    ps = [Process(target=child) for _ in range(100)]
    for p in ps:
        p.start()
    s = time()
    for p in ps:
        p.join()
    print("compile time:", time() - s)

compile time: 0.011722326278686523

numba 的 nogil 也值得一看。 。这可以消除对进程的需要，并且线程共享 numba 编译缓存就可以了