Question

在Python中，我运行了

形式的命令

reduce(func, bigArray[1:], bigArray[0])

我希望添加并行处理以加快速度。

我知道我可以通过拆分数组，在单独的部分上运行进程以及组合结果来手动执行此操作。

然而，考虑到并行运行reduce的普遍性，我想看看是否有自动执行此操作的本机方式或库。

我正在运行一台有6个核心的机器。

Answer 1

对于任何绊脚的人，我最终写了一个助手来做

def parallelReduce(l, numCPUs, connection=None):

    if numCPUs == 1 or len(l) <= 100:
            returnVal= reduce(reduceFunc, l[1:], l[0])
            if connection != None:
                    connection.send(returnVal)
            return returnVal

    parent1, child1 = multiprocessing.Pipe()
    parent2, child2 = multiprocessing.Pipe()
    p1 = multiprocessing.Process(target=parallelReduce, args=(l[:len(l) // 2], numCPUs // 2, child1, ) )
    p2 = multiprocessing.Process(target=parallelReduce, args=(l[len(l) // 2:], numCPUs // 2 + numCPUs%2, child2, ) )
    p1.start()
    p2.start()
    leftReturn, rightReturn = parent1.recv(), parent2.recv()
    p1.join()
    p2.join()
    returnVal = reduceFunc(leftReturn, rightReturn)
    if connection != None:
            connection.send(returnVal)
    return returnVal

请注意，您可以使用multiprocessing.cpu_count()

获取CPU数量。

使用此功能显示，与串行版本相比，其性能大大提高。

Answer 2

如果您能够组合 map 和 reduce（或者想要连接结果而不是更通用的 reduce），您可以使用 mr4p：

https://github.com/lapets/mr4mp

类中_reduce函数的代码似乎是通过multiprocessing.pool实现并行处理来池化通常的reduce进程，大致遵循一个进程：

reduce(<Function used to reduce>, pool.map(partial(reduce, <function used to reduce>), <List of results to reduce>))

我还没有尝试过，但语法似乎是：

mr4mp.pool().mapreduce(<Function to be mapped>,<Function used to reduce>, <List of entities to apply function on>)

并行化Python的reduce命令

2 个答案: