多进程并行计算

问题背景

我有了一个 Python 脚本，我想用它作为另一个 Python 脚本的控制器。我的服务器有 64 个处理器，所以我想要同时启动最多 64 个此第二个 Python 脚本的子进程。子脚本称为：

$ python create_graphs.py --name=NAME

其中 NAME 类似于 XYZ、ABC、NYU 等。
在我的父控制器脚本中，我从列表中检索名称变量：

my_list = [ ‘XYZ’, ‘ABC’, ‘NYU’ ]

我的问题是，以子进程身份启动这些进程的最佳方法是什么？我希望将子进程的数量限制在每次 64 个，因此需要跟踪状态（子进程是否已完成），以便能够有效地保持整个生成过程的运行。
我研究过使用 subprocess 包，但拒绝了它，因为它一次只能生成一个子进程。我最终找到了 multiprocessor 包，但我不得不承认被整个线程与子进程文档搞得不知所措。
目前，我的脚本使用 subprocess.call 一次只生成一个子进程，如下所示：

#!/path/to/python
import subprocess, multiprocessing, Queue
from multiprocessing import Process

my_list = [ ‘XYZ’, ‘ABC’, ‘NYU’ ]

if name == ‘main’:
processors = multiprocessing.cpu_count()

for i in range(len(my_list)):
    if( i < processors ):
         cmd = ["python", "/path/to/create_graphs.py", "--name="+ my_list[i]]
         child = subprocess.call( cmd, shell=False )

我真的想一次生成 64 个子进程。在其他 stackoverflow 问题中，我看到人们使用 Queue，但它似乎会产生性能影响？

解决方案

您可以使用 multiprocessing 中的进程池类来实现多进程并行计算。

import multiprocessing
import subprocess

def work(cmd):
    return subprocess.call(cmd, shell=False)

if __name__ == '__main__':
    count = multiprocessing.cpu_count()
    pool = multiprocessing.Pool(processes=count)
    print pool.map(work, ['ls'] * count)

这是一个使用进程池和 subprocess.call 的简单示例。

或者，您可以使用多线程来实现并行计算，在这里推荐使用 threading.Thread 类来创建线程，并使用 join() 方法来同步它们。

import threading

def work(name):
    print 'Processing station:', name
    print 'Parent process:', os.getppid()
    print 'Process id:', os.getpid()
    cmd = [ "/bin/bash" "/path/to/executable/create_graphs.sh","--name=%s" % (name) ]
    return subprocess.call(cmd, shell=False)

if __name__ == '__main__':

    my_list = [ 'XYZ', 'ABC', 'NYU' ]

    my_list.sort()

    print my_list

    # Get the number of processors available
    num_processes = multiprocessing.cpu_count()

    threads = []

    len_stas = len(my_list)

    print "+++ Number of stations to process: %s" % (len_stas)

    # run until all the threads are done, and there is no data left

    for list_item in my_list:

        # if we aren't using all the processors AND there is still data left to
        # compute, then spawn another thread

        if( len(threads) < num_processes ):

            p = multiprocessing.Process(target=work,args=[list_item])

            p.start()

            print p, p.is_alive()

            threads.append(p)

        else:

            for thread in threads:

                if not thread.is_alive():

                    threads.remove(thread)