Класс с несколькими рабочими

Aug 19 2020

Я создаю инструмент, который взаимодействует с пакетным потоком входящих данных. Эти данные нужно обработать и вернуть результат. Чтобы разделить работу, я создал класс с очередями inbound ( _in) и outbound ( out) и рабочими, которые получают, обрабатывают и депонируют работу.

В этом примере берется итерация чисел (in pass_data) и они умножаются на f.

import queue, random, time
from multiprocessing import Process, Queue

def _worker(_in, out, f):
    """Get work from _in and output processed data to out"""
    while True:
        try:
            work = _in.get()
        except queue.Empty:
            continue
        # simulate blocking for some time
        time.sleep(random.uniform(0.01, 0.5))
        out.put(work * f)

class C:
    def __init__(self, f, threads=2):
        self.f = f
        self.threads = threads
        self._in, self.out = Queue(), Queue()
        self.args = (self._in, self.out, self.f)
        self.workers = [
            Process(target=_worker, args=self.args) for _ in range(self.threads)
        ]

    def __repr__(self):
        return f"{self.__class__.__name__}(threads={self.threads})"

    def start(self):
        """Start all workers"""
        for worker in self.workers:
            worker.start()

    def terminate(self):
        """Terminate all workers"""
        for worker in self.workers:
            worker.terminate()

    def pass_data(self, data):
        """Pass data to the queue to be processed"""
        for rec in data:
            self._in.put(rec)

    def get_completed(self):
        """Return a list of processed data"""
        items = []
        while True:
            try:
                items.append(self.out.get_nowait())
            except queue.Empty:
                break
        return items

if __name__ == "__main__":
    c = C(f=12, threads=2)
    c.start()

    for i in range(5):
        s = 0
        n = random.randint(1, 20)
        c.pass_data(list(range(n)))
        print(f"sent: {n}")
        while s < n:
            r = c.get_completed()
            s += len(r)
            if r:
                print(len(r), end=", ")
            time.sleep(random.uniform(0.01, 0.4))
        print()
    c.terminate()

На данный момент это проверка концепции. Есть ли в этом методе подводные камни? Есть уже лучший способ сделать это ?!

Аспекты, которые я собираюсь затронуть:

  • ограничения размера очереди
  • ограничение числа потоков

Ответы

4 RootTwo Sep 02 2020 at 01:44

Вот некоторые наблюдения и моменты, которые следует учитывать.

Вы уверены, что вам нужна многопроцессорность или потоки? В вопросе нет информации, чтобы сказать, зачем они могут понадобиться. Есть накладные расходы на их использование. Возможно, цикла ввода-вычисления-вывода будет достаточно.

Ожидаете ли вы, что пропускная способность программы будет ограничена вводом-выводом или обработкой ЦП. Общее эмпирическое правило - использовать потоки или asynchioдля первого и процессы для последующего.

Имеет ли значение, что результаты не могут быть возвращены в том же порядке, в котором они были отправлены? Нужно ли на них указывать время?

threads вводит в заблуждение имя параметра при использовании процессов.

Текущий основной код помещает элементы во входную очередь и получает элементы из выходной очереди. Если очереди имеют ограниченные размеры, будет возможно зайти в тупик, если основной код заблокирован при добавлении в полную очередь ввода, а рабочим заблокировано добавление в полную очередь вывода.

5 G.Sliepen Sep 02 2020 at 01:24

Использовать multiprocessing.Pool

В multiprocessingбиблиотеке уже есть реализация рабочего пула, готовая к использованию. Ваш код можно переписать как:

import time
from multiprocessing import Pool

def f(x):
    time.sleep(random.uniform(0.01, 0.5))
    return x * 12

if __name__ == "__main__":
    c = Pool(2)

    for i in range(5):
        n = random.randint(1, 20)
        r = c.map_async(f, list(range(n)))
        print(f"sent: {n}")
        print(f"got: {len(r.get())}")

Хотя multiprocessing.Poolпозволяет вам проверить, готовы ли результаты, используя .ready()результат вызова apply_async()или map_async(), вы не можете получить частичный результат из map_async(). Однако, если вы действительно хотите обрабатывать отдельные результаты, как только они будут готовы, вы можете рассмотреть возможность вызова apply_async()с помощью функции обратного вызова, которая обрабатывает результат.