Нитка пулу схожа на багатопроцесорний пул?

Чи існує клас Pool для робочих ниток , подібний до класу Pool багатопроцесорного модуля ?

Мені подобається, наприклад, простий спосіб паралелізації функції карти

def long_running_func(p):
    c_func_no_gil(p)

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

однак я хотів би зробити це без накладних витрат на створення нових процесів.

Я знаю про GIL. Однак у моєму футлярі функція буде функцією C, пов'язаної з IO, для якої питонний обгортник звільнить GIL перед фактичним викликом функції.

Чи потрібно писати власний пул для нарізки?

Я тільки що дізнався , що на насправді це потік-інтерфейс Басейн в multiprocessingмодулі, проте він прихований кілька і не належним чином задокументовані.

Її можна імпортувати через

from multiprocessing.pool import ThreadPool

Він реалізований за допомогою фіктивного класу Process, який обгортає нитку python. Цей клас процесів на основі потоку можна знайти, в multiprocessing.dummyякому коротко згадується в документах . Цей фіктивний модуль нібито забезпечує весь багатопроцесорний інтерфейс на основі потоків.

У Python 3 ви можете використовувати concurrent.futures.ThreadPoolExecutor, тобто:

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

Докладнішу інформацію та приклади див. У документах .

Так, і, схоже, є (більш-менш) однаковий 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)
....

Щось дуже просте і легке (трохи змінене тут ):

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 підтримки зворотних дзвінків при виконанні завдання ви можете просто додати зворотний дзвінок до пакету завдань.

Привіт, щоб використовувати пул потоків у Python, ви можете використовувати цю бібліотеку:

from multiprocessing.dummy import Pool as ThreadPool

а потім для використання цій бібліотеці роблять так:

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

Нитки - це кількість потрібних потоків, а завдання - це список завдань, які найбільше відображають у сервісі.

Ось результат, який я нарешті використав. Це модифікована версія класів dgorissen вище.

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 використання басейну

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()

Витрати на створення нових процесів мінімальні, особливо якщо їх всього 4. Я сумніваюся, що це гаряча точка вашої заявки. Нехай це буде просто, оптимізуйте, де вам потрібно і де вказують результати профілювання.

Немає вбудованого потокового пулу. Однак запровадити чергу виробника / споживача з програмою «дуже швидко» можна дуже швидкоQueue класом .

З: 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

іншим способом може бути додавання процесу до пулу черги потоків

import concurrent.futures
with concurrent.futures.ThreadPoolExecutor(max_workers=cpus) as executor:
    for i in range(0, len(list_of_files) - 1):
        a = executor.submit(loop_files2, i, list_of_files2, mt_list, temp_path, mt_dicto)