Пул потоков, похожий на пул многопроцессорных?

Question

Существует ли класс пула для рабочих потоков , аналогичный классу пула ?

для многопроцессорного модуля

Мне нравится, например, простой способ распараллеливания функции карты

def long_running_func(p):
    c_func_no_gil(p)

p = multiprocessing.Pool(4)
xs = p.map(long_running_func, range(100))

однако я бы хотел сделать это без затрат на создание новых процессов.

Я знаю о GIL. Однако в моем случае использования эта функция будет функцией C, связанной с вводом-выводом, для которой оболочка Python выпустит GIL до фактического вызова функции.

Должен ли я написать свой собственный пул потоков?

Answer 1

Я только что обнаружил, что на самом деле является интерфейсом пула на основе потоков в модуле multiprocessing, однако он несколько скрыт и не документирован должным образом.через

from multiprocessing.pool import ThreadPool

Это реализовано с использованием фиктивного класса Process, обертывающего поток Python.Этот класс процессов на основе потоков можно найти в multiprocessing.dummy, который кратко упоминается в документах .Этот фиктивный модуль предположительно обеспечивает весь многопроцессорный интерфейс на основе потоков.

Answer 2

В Python 3 вы можете использовать concurrent.futures.ThreadPoolExecutor, то есть:

executor = ThreadPoolExecutor(max_workers=10)
a = executor.submit(my_function)

См. документы для получения дополнительной информации и примеров.

Answer 3

Да, и, кажется, (более или менее) тот же API.

import multiprocessing

def worker(lnk):
    ....    
def start_process():
    .....
....

if(PROCESS):
    pool = multiprocessing.Pool(processes=POOL_SIZE, initializer=start_process)
else:
    pool = multiprocessing.pool.ThreadPool(processes=POOL_SIZE, 
                                           initializer=start_process)

pool.map(worker, inputs)
....

Answer 4

Для чего-то очень простого и легкого (немного измененного с здесь ):

from Queue import Queue
from threading import Thread


class Worker(Thread):
    """Thread executing tasks from a given tasks queue"""
    def __init__(self, tasks):
        Thread.__init__(self)
        self.tasks = tasks
        self.daemon = True
        self.start()

    def run(self):
        while True:
            func, args, kargs = self.tasks.get()
            try:
                func(*args, **kargs)
            except Exception, e:
                print e
            finally:
                self.tasks.task_done()


class ThreadPool:
    """Pool of threads consuming tasks from a queue"""
    def __init__(self, num_threads):
        self.tasks = Queue(num_threads)
        for _ in range(num_threads):
            Worker(self.tasks)

    def add_task(self, func, *args, **kargs):
        """Add a task to the queue"""
        self.tasks.put((func, args, kargs))

    def wait_completion(self):
        """Wait for completion of all the tasks in the queue"""
        self.tasks.join()

if __name__ == '__main__':
    from random import randrange
    from time import sleep

    delays = [randrange(1, 10) for i in range(100)]

    def wait_delay(d):
        print 'sleeping for (%d)sec' % d
        sleep(d)

    pool = ThreadPool(20)

    for i, d in enumerate(delays):
        pool.add_task(wait_delay, d)

    pool.wait_completion()

Для поддержки обратных вызовов при завершении задачи вы можете просто добавить обратный вызов в кортеж задачи.

Answer 5

Вот результат, который я наконец-то использовал.Это модифицированная версия классов от dgorissen выше.

Файл: threadpool.py

from queue import Queue, Empty
import threading
from threading import Thread


class Worker(Thread):
    _TIMEOUT = 2
    """ Thread executing tasks from a given tasks queue. Thread is signalable, 
        to exit
    """
    def __init__(self, tasks, th_num):
        Thread.__init__(self)
        self.tasks = tasks
        self.daemon, self.th_num = True, th_num
        self.done = threading.Event()
        self.start()

    def run(self):       
        while not self.done.is_set():
            try:
                func, args, kwargs = self.tasks.get(block=True,
                                                   timeout=self._TIMEOUT)
                try:
                    func(*args, **kwargs)
                except Exception as e:
                    print(e)
                finally:
                    self.tasks.task_done()
            except Empty as e:
                pass
        return

    def signal_exit(self):
        """ Signal to thread to exit """
        self.done.set()


class ThreadPool:
    """Pool of threads consuming tasks from a queue"""
    def __init__(self, num_threads, tasks=[]):
        self.tasks = Queue(num_threads)
        self.workers = []
        self.done = False
        self._init_workers(num_threads)
        for task in tasks:
            self.tasks.put(task)

    def _init_workers(self, num_threads):
        for i in range(num_threads):
            self.workers.append(Worker(self.tasks, i))

    def add_task(self, func, *args, **kwargs):
        """Add a task to the queue"""
        self.tasks.put((func, args, kwargs))

    def _close_all_threads(self):
        """ Signal all threads to exit and lose the references to them """
        for workr in self.workers:
            workr.signal_exit()
        self.workers = []

    def wait_completion(self):
        """Wait for completion of all the tasks in the queue"""
        self.tasks.join()

    def __del__(self):
        self._close_all_threads()


def create_task(func, *args, **kwargs):
    return (func, args, kwargs)

Для использования пула

from random import randrange
from time import sleep

delays = [randrange(1, 10) for i in range(30)]

def wait_delay(d):
    print('sleeping for (%d)sec' % d)
    sleep(d)

pool = ThreadPool(20)
for i, d in enumerate(delays):
    pool.add_task(wait_delay, d)
pool.wait_completion()

Answer 6

Привет, чтобы использовать пул потоков в Python, вы можете использовать эту библиотеку:

from multiprocessing.dummy import Pool as ThreadPool

и затем для использования эта библиотека делает так:

pool = ThreadPool(threads)
results = pool.map(service, tasks)
pool.close()
pool.join()
return results

Потоки являютсяколичество потоков, которые вы хотите, и задачи - это список задач, которые наиболее соответствуют сервису.

Answer 7

Затраты на создание новых процессов минимальны, особенно когда их всего 4.Я сомневаюсь, что это горячая точка производительности вашего приложения.Сохраняйте это простым, оптимизируйте, где вам нужно и куда указывают результаты профилирования.

Answer 8

Нет встроенного пула на основе потоков. Однако реализовать очередь производителя / потребителя может быть очень быстро с классом Queue.

От: https://docs.python.org/2/library/queue.html

from threading import Thread
from Queue import Queue
def worker():
    while True:
        item = q.get()
        do_work(item)
        q.task_done()

q = Queue()
for i in range(num_worker_threads):
     t = Thread(target=worker)
     t.daemon = True
     t.start()

for item in source():
    q.put(item)

q.join()       # block until all tasks are done