我开发了一个简单的程序来解决八皇后问题。现在我想用不同的元参数做更多的测试,所以我想让它更快。我经历了几次分析迭代,能够显着缩短运行时间,但我认为只有部分计算并发才能使其更快。我尝试使用 multiprocessing
和 concurrent.futures
模块,但它并没有显着改善运行时间,在某些情况下甚至减慢了执行速度。那只是提供一些上下文。
我能够想出类似的代码结构,其中顺序版本胜过并发。
import numpy as np
import concurrent.futures
import math
import time
import multiprocessing
def is_prime(n):
if n % 2 == 0:
return False
sqrt_n = int(math.floor(math.sqrt(n)))
for i in range(3, sqrt_n + 1, 2):
if n % i == 0:
return False
return True
def generate_data(seed):
np.random.seed(seed)
numbers = []
for _ in range(5000):
nbr = np.random.randint(50000, 100000)
numbers.append(nbr)
return numbers
def run_test_concurrent(numbers):
print("Concurrent test")
start_tm = time.time()
chunk = len(numbers)//3
primes = None
with concurrent.futures.ProcessPoolExecutor(max_workers=3) as pool:
primes = list(pool.map(is_prime, numbers, chunksize=chunk))
print("Time: {:.6f}".format(time.time() - start_tm))
print("Number of primes: {}\n".format(np.sum(primes)))
def run_test_sequential(numbers):
print("Sequential test")
start_tm = time.time()
primes = [is_prime(nbr) for nbr in numbers]
print("Time: {:.6f}".format(time.time() - start_tm))
print("Number of primes: {}\n".format(np.sum(primes)))
def run_test_multiprocessing(numbers):
print("Multiprocessing test")
start_tm = time.time()
chunk = len(numbers)//3
primes = None
with multiprocessing.Pool(processes=3) as pool:
primes = list(pool.map(is_prime, numbers, chunksize=chunk))
print("Time: {:.6f}".format(time.time() - start_tm))
print("Number of primes: {}\n".format(np.sum(primes)))
def main():
nbr_trails = 5
for trail in range(nbr_trails):
numbers = generate_data(trail*10)
run_test_concurrent(numbers)
run_test_sequential(numbers)
run_test_multiprocessing(numbers)
print("--\n")
if __name__ == '__main__':
main()
当我在我的机器上运行它时 - Windows 7,四核英特尔酷睿 i5 我得到以下输出:
Concurrent test
Time: 2.006006
Number of primes: 431
Sequential test
Time: 0.010000
Number of primes: 431
Multiprocessing test
Time: 1.412003
Number of primes: 431
--
Concurrent test
Time: 1.302003
Number of primes: 447
Sequential test
Time: 0.010000
Number of primes: 447
Multiprocessing test
Time: 1.252003
Number of primes: 447
--
Concurrent test
Time: 1.280002
Number of primes: 446
Sequential test
Time: 0.010000
Number of primes: 446
Multiprocessing test
Time: 1.250002
Number of primes: 446
--
Concurrent test
Time: 1.260002
Number of primes: 446
Sequential test
Time: 0.010000
Number of primes: 446
Multiprocessing test
Time: 1.250002
Number of primes: 446
--
Concurrent test
Time: 1.282003
Number of primes: 473
Sequential test
Time: 0.010000
Number of primes: 473
Multiprocessing test
Time: 1.260002
Number of primes: 473
--
我的问题是,我是否可以通过在 Windows 和 Python 3.6.4 |Anaconda, Inc.|
上同时运行它来使其更快。我在 SO ( Why is creating a new process more expensive on Windows than Linux? ) 上读到在 Windows 上创建新进程的成本很高。有什么办法可以加快速度吗?我错过了一些明显的东西吗?
我也试过只创建一次Pool
,但似乎没什么用。
编辑:
原始代码结构大致如下:
我的代码结构大致是这样的:
class Foo(object):
def g() -> int:
# function performing simple calculations
# single function call is fast (~500 ms)
pass
def run(self):
nbr_processes = multiprocessing.cpu_count() - 1
with multiprocessing.Pool(processes=nbr_processes) as pool:
foos = get_initial_foos()
solution_found = False
while not solution_found:
# one iteration
chunk = len(foos)//nbr_processes
vals = list(pool.map(Foo.g, foos, chunksize=chunk))
foos = modify_foos()
foos
有 1000
个元素。不可能提前知道算法收敛的速度有多快以及执行了多少次迭代,可能有数千次。
最佳答案
您的设置对多处理并不公平。您甚至包括了不必要的 primes = None
赋值。 ;)
几点:
数据大小
您生成的数据非常少,可以收回流程创建的开销。尝试使用 range(1_000_000)
而不是 range(5000)
。在 Linux 上,multiprocessing.start_method
设置为“spawn”(Windows 上的默认设置),这会绘制不同的图片:
Concurrent test
Time: 0.957883
Number of primes: 89479
Sequential test
Time: 1.235785
Number of primes: 89479
Multiprocessing test
Time: 0.714775
Number of primes: 89479
重复使用您的池
不要离开池的 with-block,只要你在你的程序中留下了任何你想稍后并行化的代码。如果您在开始时只创建一次池,那么将池创建包含在您的基准测试中根本没有多大意义。
NumPy
Numpy 部分能够释放全局解释器锁 (GIL)。这意味着,您可以从多核并行中获益,而无需创建进程的开销。如果您无论如何都在做数学,请尝试尽可能多地使用 numpy。使用 numpy 的代码尝试 concurrent.futures.ThreadPoolExecutor
和 multiprocessing.dummy.Pool
。
关于python - 使用 Python 在 Windows 上实现并发/并行,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52246574/