Question

我正在尝试优先处理某些流程。这是我正在使用的主要脚本，用于模拟CPU密集型进程：

simple_app.py

import os
from multiprocessing import Pool, cpu_count

def f(x):
    while True:
        x*x

if __name__ == '__main__':

    cpu = cpu_count()
    pid = os.getpid()

    print('-' * 20)
    print('pid: {}'.format(pid))
    print('Utilizing {} cores'.format(cpu))
    print('Current niceness: {}'.format(os.nice(0)))
    print('-' * 20)

    pool = Pool(cpu)
    pool.map(f, range(cpu))

我的下一步是生成大量运行以下代码的进程（在本例中为9）：

simple_runner.sh

# Start with lowest priority
nice -19 python3 simple_app.py &
# Much higher priority
nice -0 python3 simple_app.py &
# Lower priority spawned
nice -10 python3 simple_app.py &
# Higher priority again
nice -7 python3 simple_app.py &
# Highest priority yet
nice -1 python3 simple_app.py &
# Highest priority yet
nice -0 python3 simple_app.py &
# Highest priority yet
nice -0 python3 simple_app.py &
# Highest priority yet
nice -0 python3 simple_app.py &
# Highest priority yet
nice -0 python3 simple_app.py

然后，我在这里监视每个进程，并报告子CPU使用率：

process_reporting_server.py

import os
import time
import argparse
import pprint
from multiprocessing import Pool, cpu_count

import psutil

def most_recent_process_info(pid, interval=0.5):
    while True:
        proc = psutil.Process(pid)
        children_cpu_percent = [child.cpu_percent(interval) for child in proc.children()]
        children_cpu_percent_mean = sum(children_cpu_percent) / len(children_cpu_percent) if children_cpu_percent else -1.
        print('Time: {}, PID: {}, niceness: {}, average child CPU percent: {:.2f}'.format(
            time.ctime(),
            pid,
            proc.nice(),
            children_cpu_percent_mean)
        )

if __name__ == '__main__':

    parser = argparse.ArgumentParser()
    parser.add_argument('-p', '--pids', type=str, help='Whitespace-delimited string containing PIDs', dest='pids')
    parser.add_argument('-s', '--seconds', type=int, help='Seconds to sleep', default=10, dest='seconds')
    args = parser.parse_args()

    pids = list(map(int, args.pids.split()))

    pool = Pool(len(pids))
    pool.map(most_recent_process_info, pids)

我想看看是否给定了较低的niceness值的进程实际上是优先的。所以这就是我的工作：

运行simple_app_runner.sh：

$ ./simple_app_runner.sh 
--------------------
pid: 45036
Utilizing 8 cores
Current niceness: 0
--------------------
--------------------
pid: 45030
Utilizing 8 cores
Current niceness: 19
--------------------
--------------------
pid: 45034
Utilizing 8 cores
Current niceness: 1
--------------------
--------------------
pid: 45032
Utilizing 8 cores
Current niceness: 10
--------------------
--------------------
pid: 45033
Utilizing 8 cores
Current niceness: 7
--------------------
--------------------
pid: 45037
Utilizing 8 cores
Current niceness: 0
--------------------
--------------------
pid: 45038
Utilizing 8 cores
Current niceness: 0
--------------------
--------------------
pid: 45031
Utilizing 8 cores
Current niceness: 0
--------------------
--------------------
pid: 45035
Utilizing 8 cores
Current niceness: 0
--------------------

然后，这是报告：

$ python3 process_reporting_server.py -p '45036 45030 45034 45032 45033 45037 45038 45031 45035'

清理一下并用熊猫进行分析，我们发现在五分钟的间隔内，指定的优美程度并不重要：

>>> df.groupby('nice')['mean_child_cpu'].max()
nice
0.0     10.50
1.0      9.75
7.0      8.28
10.0     8.50
19.0    21.97

我在这里完全错过了什么吗？为什么我指定的好处似乎没有影响CPU资源的优先级？

Answer 1

我认为您没有丢失任何东西。我的经验是，最高流程优先级最高，其他所有人都在为剩余的内容而战。如果仅将一个进程保留为-1并将其余的保留为-0，则可能会得到相同的结果（对于像这样的纯cpu绑定进程）。

这是因为人们通常并不希望优先级能够像我们有时期望的那样具有核心意义。像现在一样，当我的平均负载超过200，并且进行了一系列优先处理（优先级较高）的进程时，我将其发布。如果所有这些过程都是真正的猪，那将不是“不错”。我喜欢我仍然可以使用浏览器来完成所有的CPU负载。

有一次，我给人的印象是，至少在某些Unix上，您可以更改优先级队列。我隐约记得有一些我的客户要求我们这样做，我们（系统管理员团队）说“不是一个好主意”，要求我们这样做的客户，然后我们做”，然后要求我们撤消它的客户。棘手的事情。

这是幕后故事的简介：http://www.cs.montana.edu/~chandrima.sarkar/AdvancedOS/SchedulingLinux/index.html 请特别注意底部-“算法无法很好地扩展”，它与我的第一段紧密结合。

测试是否正确应用了优美性

1 个答案: