如何使用Future与dask.distrubuted(Python库)中的Executor的map方法?

时间:2016-08-24 15:34:22

标签: python python-2.7 distributed dask

我正在运行dask.distributed群集。

我的任务包括链式计算,其中最后一步是使用Executor.map方法对先前步骤创建的列表进行并行处理。事先不知道列表的长度,因为它是在计算过程中从中间结果生成的。

代码如下所示:

from distributed import Executor, progress


def process():
    e = Executor('{address}:{port}'.format(address=config('SERVER_ADDR'),
                                           port=config('SERVER_PORT')))
    futures = []
    gen_list1 = get_list_1()
    gen_f1 = e.map(generate_1, gen_list1)
    futures.append(gen_f1)

    gen_list2 = get_list_2()
    gen_f2 = e.map(generate_2, gen_list2)
    futures.append(gen_f2)

    m_list = e.submit(create_m_list)  # m_list is created from gen_list1 and gen_list2
                                      # some results of processing are stored in the database
                                      # and create_m_list doesn't need additional arguments
    futures.append(m_list)

    m_result = e.map(process_m_list, m_list)
    futures.append(m_result)

    return futures

if __name__ == '__main__':
    r = process()
    progress(r)

但是,我收到错误TypeError: zip argument #1 must support iteration

File "F:/wl/under_development/database/jobs.py", line 366, in start_job
  match_result = e.map(process_m_list, m_list)
File "C:\Anaconda\lib\site-packages\distributed\executor.py", line 672, in map
  iterables = list(zip(*zip(*iterables)))
TypeError: zip argument #1 must support iteration

gen_list1gen_list2是独立计算的,但m_list是从gen_list1gen_list2创建的,因此取决于它们。

我还尝试调用.result()的{​​{1}}方法,但是,在m_listprocess的计算之前,它已阻止了gen_list1函数已经完成了。

我还尝试调用gen_list2的异步方法._result,但它产生了同样的错误" zip参数#1必须支持迭代"。使用m_listdask.delayed)获得了相同的错误。

m_result = e.map(process_m_list, delayed(m_list))的文档在这方面含糊不清,示例仅提及已存在的实际列表对象。但是,SO中的其他帖子以及Google都认为它应该是可能的。

这是我的Python发行版的版本字符串

dask.distributed

1 个答案:

答案 0 :(得分:1)

问题的症结似乎在这里:

m_list = e.submit(create_m_list)
m_result = e.map(process_m_list, m_list)

你是正确的,你不能将功能映射到个人的未来。您需要传递map一个序列。在不了解您的数据的情况下,Dask不知道要提交多少函数。致电.result()关于未来将是一个很好的解决方案:

m_list = e.submit(create_m_list)
m_result = e.map(process_m_list, m_list.result())
  

我也试过调用m_list的.result()方法,但是,它已经阻止了函数进程,直到gen_list1和gen_list2的计算完成为止。

那是对的。没有任何附加信息,调度程序将更喜欢先前提交的计算。您可以先提交create_m_list功能,然后提交额外的计算,然后等待create_m_list结果,就可以解决此问题。

m_list = e.submit(create_m_list)                   # give this highest priority
f1 = e.map(generate_1, get_list_1())
f2 = e.map(generate_2, gen_list_2())

L = m_list.result()                                # block on m_list until done
m_result = e.map(process_m_list, L)                # submit more tasks

return [f1, f2, m_result]