我正尝试学习有关使用Python进行多处理的更多信息。到目前为止,我已经使用了多处理库和mpi4py库来尝试解决一个非常简单的问题。添加大量数字。
我使用了以下逻辑,目标是将所有数字相加到10 ^ 8,因此我将该范围划分为4个(笔记本电脑具有的内核数)相等的范围,将负载分配给所有内核,然后添加结果集中在一个核心上。
这是到目前为止我有两种不同的方法。
使用多处理库:
import multiprocessing
from multiprocessing import Pool
from time import time
def sum_nums(low, high):
result = 0
for i in xrange(low, high+1):
result += i
return result
def sn((low,high)):
return sum_nums(low, high)
if __name__ == '__main__':
p = Pool(4)
n = int(1e8)
r = range(0,10**8+1,n)
results = []
t = time()
for arg in zip([x+1 for x in r],r[1:]):
results.append(p.apply_async(sum_nums, arg))
# wait for results
print sum(res.get() for res in results)
print '{} s'.format(time() -t)
使用mpi4py库:
from mpi4py import MPI
import numpy as np
import time
comm = MPI.COMM_WORLD
size = comm.Get_size()
rank = comm.Get_rank()
if rank == 0:
end = 10**9
step = round((end+1)/size)
limits = np.linspace(start=0, stop=end,num=size+1,
endpoint=True, dtype=int)
space = []
for arg in zip([x+1 for x in limits],limits[1:]):
space.append(arg)
else:
space = None
data = comm.scatter(space, root=0)
start = time.time()
res = np.sum(np.arange(start=data[0], stop=data[1]+1))
timeDiff = time.time() - start
results = comm.gather(res, root=0)
totalTime = comm.gather(timeDiff, root=0)
if rank == 0:
end = time.time()
print(sum(results))
print("Average computing time: {:.3f}s".format(sum(totalTime)/size))
问题是,虽然mpi4py库运行得更快,但尝试计算最多10 ^ 7的总和将花费大约1秒,而使用第一个代码则最多需要4秒。当尝试求解10时^ 8第二个代码挂起,而第一个代码则在大约15秒内给出结果。
为什么会这样?这是内存问题吗?我在第二个代码中完全弄错了吗?
第一个代码是用python 2.7.15编写的,第二个代码是用python 3.6.7编写的。
感谢您抽出宝贵的时间阅读本文,欢迎任何回答!
答案 0 :(得分:1)
我认为这是一个内存问题。 我已经在python 3.6.7环境中尝试了第二个代码。当end <= 10 ^ 9时,代码可在我的计算机上工作。当计算机的内存容量达到10 ^ 10时,需要超过40GB的内存。