python - 在 Dask 中，是否有一种方法可以在依赖项可用时对其进行处理，如 multiprocessing.imap_unordered 中那样？

Question

我有一个简单的图形结构，它接受 N 个独立的任务，然后聚合它们。我不关心独立任务的结果以什么顺序聚合。有没有一种方法可以通过在依赖项可用时对其进行操作来加速计算？

考虑以下示例。其中，并行任务各自等待一段随机时间，然后返回。另一项任务收集结果，形成有序队列。如果收集异步发生，则顺序将基于任务完成的时间。如果收集同步发生，则顺序将由输入静态定义。

from multiprocessing import Pool
from dask import delayed
import numpy as np
from time import sleep

def wait(i):
    """Something embarrassingly parallel"""
    np.random.seed()
    t = np.random.uniform()
    sleep(t)
    print(i, t)
    return i, t

def lineup(who_when):
    """Aggregate"""
    order = []
    for who, when in who_when:
        print(f'who: {who}')
        order.append(who)
    return order

使用 imap_unordered，我们看到在所有依赖项完成之前收集/减少尽快开始。

n = 5
pool = Pool(processes=n)
lineup(pool.imap_unordered(wait, range(n)))

# Produces something like the following

2 0.2837069069881948
4 0.44156753704276597
who: 2
who: 4
1 0.5563172244950703
0 0.6696008076879393
who: 1
who: 0
3 0.9911326214345308
who: 3
[2, 4, 1, 0, 3]

按照我习惯的方式使用dask.delayed，结果就像map()一样，一旦所有依赖项都可用，就开始收集。顺序是静态的。

n = 5
order = delayed(lineup)([delayed(wait)(i) for i in range(n)])
order.compute()

# produces something like:

0 0.2792789023871932
2 0.44570072028850705
4 0.6969597596416385
1 0.766705306208266
3 0.9889956337687371
who: 0
who: 1
who: 2
who: 3
who: 4
[0, 1, 2, 3, 4]

dask 中是否有 imap_unordered 等效项？也许使用 dask.bag 的东西？

Answer 1

是的。您可能正在寻找as_completed Dask Futures interface的功能.

Handling Evolving Workflows 上有一个 Dask 示例

为了方便起见，我将在此处复制 as_completed 的文档字符串

已完成

按照完成的顺序返回 future

这会返回一个迭代器，该迭代器按照输入的 future 对象完成的顺序生成它们。无论顺序如何，在迭代器上调用 next 都会阻塞，直到下一个 future 完成为止。

此外，您还可以在计算过程中使用 .add 方法向该对象添加更多 future

参数

future : future 集合 要按完成顺序迭代的 Future 对象列表

with_results: bool 值(假) 是否等待并包含 future 结果；在本例中，as_completed 生成一个 (future, result) 元组

raise_errors: bool 值(真) 当 future 的结果引发异常时，我们是否应该引发；仅当 with_results=True 时影响行为。

示例

>>> x, y, z = client.map(inc, [1, 2, 3])  # doctest: +SKIP
>>> for future in as_completed([x, y, z]):  # doctest: +SKIP
...     print(future.result())  # doctest: +SKIP
3
2
4

在计算过程中添加更多 future

>>> x, y, z = client.map(inc, [1, 2, 3])  # doctest: +SKIP
>>> ac = as_completed([x, y, z])  # doctest: +SKIP
>>> for future in ac:  # doctest: +SKIP
...     print(future.result())  # doctest: +SKIP
...     if random.random() < 0.5:  # doctest: +SKIP
...         ac.add(c.submit(double, future))  # doctest: +SKIP
4
2
8
3
6
12
24

也可以等待结果收集完毕

>>> ac = as_completed([x, y, z], with_results=True)  # doctest: +SKIP
>>> for future, result in ac:  # doctest: +SKIP
...     print(result)  # doctest: +SKIP
2
4
3