Показывать ход вызова карты пула многопроцессорности пула Python?

У меня есть script, который успешно выполняет многопроцессорный набор пулов задач с вызовом imap_unordered():

p = multiprocessing.Pool()
rs = p.imap_unordered(do_work, xrange(num_tasks))
p.close() # No more work
p.join() # Wait for completion

Однако мой num_tasks составляет около 250 000, и поэтому join() блокирует основной поток в течение 10 секунд или около того, и я хотел бы иметь возможность эхо-вывода в командной строке постепенно, чтобы показать основной процесс не заблокирован. Что-то вроде:

p = multiprocessing.Pool()
rs = p.imap_unordered(do_work, xrange(num_tasks))
p.close() # No more work
while (True):
  remaining = rs.tasks_remaining() # How many of the map call haven't been done yet?
  if (remaining == 0): break # Jump out of while loop
  print "Waiting for", remaining, "tasks to complete..."
  time.sleep(2)

Есть ли метод для объекта результата или самого пула, который указывает количество оставшихся задач? Я попытался использовать объект multiprocessing.Value в качестве счетчика (do_work вызывает действие counter.value += 1 после выполнения своей задачи), но счетчик получает только ~ 85% от общего значения до остановки приращения.

Ответ 1

Нет необходимости обращаться к приватным атрибутам набора результатов:

from __future__ import division
import sys

for i, _ in enumerate(p.imap_unordered(do_work, xrange(num_tasks)), 1):
    sys.stderr.write('\rdone {0:%}'.format(i/num_tasks))

Ответ 2

Мой личный фаворит - дает вам хороший небольшой индикатор выполнения и завершение ETA, когда все работает и фиксируется параллельно.

from multiprocessing import Pool
import tqdm

pool = Pool(processes=8)
for _ in tqdm.tqdm(pool.imap_unordered(do_work, tasks), total=len(tasks)):
    pass

Ответ 3

Нашел ответ самостоятельно с некоторым дополнительным копанием: взглянув на __dict__ объекта результата imap_unordered, я обнаружил, что он имеет атрибут _index, который увеличивается с каждым завершением задачи. Таким образом, это работает для ведения журнала, завернутого в цикл while:

p = multiprocessing.Pool()
rs = p.imap_unordered(do_work, xrange(num_tasks))
p.close() # No more work
while (True):
  completed = rs._index
  if (completed == num_tasks): break
  print "Waiting for", num_tasks-completed, "tasks to complete..."
  time.sleep(2)

Однако я обнаружил, что замена imap_unordered на map_async привела к тому, что более быстрое выполнение, хотя объект результата немного отличается. Вместо этого объект результата из map_async имеет атрибут _number_left и метод ready():

p = multiprocessing.Pool()
rs = p.map_async(do_work, xrange(num_tasks))
p.close() # No more work
while (True):
  if (rs.ready()): break
  remaining = rs._number_left
  print "Waiting for", remaining, "tasks to complete..."
  time.sleep(0.5)

Ответ 4

Я обнаружил, что работа уже была сделана к тому времени, когда я попытался проверить ее прогресс. Это то, что работает для меня, используя tqdm.

pip install tqdm

from multiprocessing import Pool
from tqdm import tqdm

tasks = range(5)
pool = Pool()
pbar = tqdm(total=len(tasks))

def do_work(x):
    # do something with x
    pbar.update(1)

pool.imap_unordered(do_work, tasks)
pool.close()
pool.join()
pbar.close()

Это должно работать со всеми разновидностями многопроцессорной обработки, независимо от того, блокируют они или нет.

Ответ 5

Я знаю, что это довольно старый вопрос, но вот что я делаю, когда хочу отслеживать прогресс пула задач в python.

from progressbar import ProgressBar, SimpleProgress
import multiprocessing as mp
from time import sleep

def my_function(letter):
    sleep(2)
    return letter+letter

dummy_args = ["A", "B", "C", "D"]
pool = mp.Pool(processes=2)

results = []

pbar = ProgressBar(widgets=[SimpleProgress()], maxval=len(dummy_args)).start()

r = [pool.apply_async(my_function, (x,), callback=results.append) for x in dummy_args]

while len(results) != len(dummy_args):
    pbar.update(len(results))
    sleep(0.5)
pbar.finish()

print results

В принципе, вы используете apply_async с callbak (в этом случае он должен добавить возвращаемое значение в список), поэтому вам не нужно ждать, чтобы сделать что-то еще. Затем, в течение цикла while, вы проверяете ход работы. В этом случае я добавил виджет, чтобы сделать его более приятным.

Выход:

4 of 4                                                                         
['AA', 'BB', 'CC', 'DD']

Надеюсь, что это поможет.

Ответ 6

Я создал специальный класс для создания распечатки прогресса. Маби это помогает:

from multiprocessing import Pool, cpu_count


class ParallelSim(object):
    def __init__(self, processes=cpu_count()):
        self.pool = Pool(processes=processes)
        self.total_processes = 0
        self.completed_processes = 0
        self.results = []

    def add(self, func, args):
        self.pool.apply_async(func=func, args=args, callback=self.complete)
        self.total_processes += 1

    def complete(self, result):
        self.results.extend(result)
        self.completed_processes += 1
        print('Progress: {:.2f}%'.format((self.completed_processes/self.total_processes)*100))

    def run(self):
        self.pool.close()
        self.pool.join()

    def get_results(self):
        return self.results

Ответ 7

Попробуйте этот простой подход на основе очереди, который также можно использовать с пулами. Помните, что распечатка чего-либо после инициализации индикатора выполнения приведет к его перемещению, по крайней мере, для данного индикатора выполнения. (PyPI прогресс 1.5)

import time
from progress.bar import Bar

def status_bar( queue_stat, n_groups, n ):

    bar = Bar('progress', max = n)  

    finished = 0
    while finished < n_groups:

        while queue_stat.empty():
            time.sleep(0.01)

        gotten = queue_stat.get()
        if gotten == 'finished':
            finished += 1
        else:
            bar.next()
    bar.finish()


def process_data( queue_data, queue_stat, group):

    for i in group:

        ... do stuff resulting in new_data

        queue_stat.put(1)

    queue_stat.put('finished')  
    queue_data.put(new_data)

def multiprocess():

    new_data = []

    groups = [[1,2,3],[4,5,6],[7,8,9]]
    combined = sum(groups,[])

    queue_data = multiprocessing.Queue()
    queue_stat = multiprocessing.Queue()

    for i, group in enumerate(groups): 

        if i == 0:

            p = multiprocessing.Process(target = status_bar,
                args=(queue_stat,len(groups),len(combined)))
                processes.append(p)
                p.start()

        p = multiprocessing.Process(target = process_data,
        args=(queue_data, queue_stat, group))
        processes.append(p)
        p.start()

    for i in range(len(groups)):
        data = queue_data.get() 
        new_data += data

    for p in processes:
        p.join()

Ответ 8

По предложению Тима вы можете использовать tqdm и imap для решения этой проблемы. Я только что наткнулся на эту проблему и imap_unordered решение imap_unordered, чтобы получить доступ к результатам сопоставления. Вот как это работает:

from multiprocessing import Pool
import tqdm

pool = multiprocessing.Pool(processes=4)
mapped_values = list(tqdm.tqdm(pool.imap_unordered(do_work, range(num_tasks)), total=len(values)))

Если вам не нужны значения, возвращаемые вашими заданиями, вам не нужно присваивать список какой-либо переменной.