python - 为什么我导入 numpy 后多处理只使用一个核心？

Question

我不确定这是否更多地被视为操作系统问题，但我想我会在这里问一下，以防有人对 Python 的结局有所了解。

我一直在尝试使用 joblib 并行化一个 CPU 繁重的 for 循环，但我发现不是将每个工作进程分配给不同的核心，而是最终所有这些都被分配到同一个核心，并且没有性能提升。

这是一个非常简单的例子......

from joblib import Parallel,delayed
import numpy as np

def testfunc(data):
    # some very boneheaded CPU work
    for nn in xrange(1000):
        for ii in data[0,:]:
            for jj in data[1,:]:
                ii*jj

def run(niter=10):
    data = (np.random.randn(2,100) for ii in xrange(niter))
    pool = Parallel(n_jobs=-1,verbose=1,pre_dispatch='all')
    results = pool(delayed(testfunc)(dd) for dd in data)

if __name__ == '__main__':
    run()

...这是我在运行此脚本时在 htop 中看到的内容:

我在 4 核笔记本电脑上运行 Ubuntu 12.10 (3.5.0-26)。显然 joblib.Parallel 正在为不同的工作人员生成单独的进程，但是有什么方法可以让这些进程在不同的内核上执行？

Answer 1

经过一番谷歌搜索后，我找到了答案 here .

事实证明，某些 Python 模块(numpy、scipy、tables、pandas、 skimage...) 在导入时会影响核心亲和力。据我所知，这个问题似乎是由它们链接到多线程 OpenBLAS 库引起的。

一种解决方法是使用

重置任务关联性

os.system("taskset -p 0xff %d" % os.getpid())

在模块导入后粘贴此行，我的示例现在可以在所有内核上运行:

到目前为止，我的经验是这似乎对 numpy 的性能没有任何负面影响，尽管这可能是特定于机器和任务的。

更新:

还有两种方法可以禁用 OpenBLAS 本身的 CPU 关联重置行为。在运行时，您可以使用环境变量 OPENBLAS_MAIN_FREE(或 GOTOBLAS_MAIN_FREE)，例如

OPENBLAS_MAIN_FREE=1 python myscript.py

或者，如果您从源代码编译 OpenBLAS，您可以在构建时通过编辑 Makefile.rule 以包含该行来永久禁用它

NO_AFFINITY=1