Question

我正在构建一个大的（150kB，当腌制）虚拟字典，并在其上运行一个快速，流畅的虚拟函数。

当通过rpyc.Service公开相同的功能时，即使我的客户端和服务器站在同一主机上，所用的时间也会变为10秒（而不是0.0009秒）（这里没有LAN延迟问题）。 / p>

知道为什么我的150kB对象需要很长时间才能从客户端传送到同一主机上的服务器吗？

为什么函数dummy.dummy()被调用，即使输入对象尚未“可用”（如果是，那么在函数中花费的时间在两个测试用例中是相同的）？

以下是我的python（3.2）代码。我测量了在dummy.dummy（d）中花费的时间。

案例1：客户调用dummy.dummy;执行时间= 0.0009
案例2：dummy.dummy被称为rpyc服务;执行时间= 10秒

mini_service.py

import rpyc
from rpyc.utils.server import ThreadedServer
import dummy

class miniService(rpyc.Service):
    def exposed_myfunc(self,d):
        #Test case 2: call dummy.dummy from the service
        dummy.dummy(d)

if __name__=='__main__':
    t = ThreadedServer(miniService,protocol_config = {"allow_public_attrs" : True}, port = 19865)
    t.start()

mini_client.py

import rpyc
import sys
import pickle
import dummy

def makedict(n):
    d={x:x for x in range(n)}
    return d

if __name__ == "__main__":
    d=makedict(20000)
    print(sys.getsizeof(d))             #result = 393356

#   output = open("C:\\rd\\non_mc_test_files\\mini.pkl",'wb') #117kB object for n=20k
#   pickle.dump(d,output)
#   output.close()

#RUN1 : dummy.dummy(d) out of rpyc takes 0.00099 seconds
#   dummy.dummy(d)

#RUN2 : dummy.dummy(d) via RPYC on localhost takes 9.346 seconds
    conn=rpyc.connect('localhost',19865,config={"allow_pickle":True})
    conn.root.myfunc(d)

    print('Done.')

dummy.py

import time

def dummy(d):
    start_ = time.time()
    for key in d:
        d[key]=0
    print('Time spent in dummy in seconds: ' + str(time.time()-start_))

Answer 1

看起来性能损失来自rpyc为保持客户端和服务器之间的对象（通过引用传递）保持同步所做的工作。

我现在在我的应用程序中做的是对输入对象进行深度复制，然后处理副本，从而模拟传递值机制。

注意：深度复制需要在协议配置参数中设置allow_picke=True。

rpyc.Service需要10秒才能收到150kB对象（在localhost上，没有局域网问题）

1 个答案: