Question

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！

Answer 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。

Python：跨4个内核分配的相同工作负载可与多处理库一起使用，但在使用mpi4py时挂起

1 个答案: