python 线程循环执行 python多线程处理for循环

转载

码农小哥 2023-05-28 16:02:30

以前了解过JAVA多线程多进程，python也学到过，但是就没有遇到过具体的业务场景，最近要做一个文本匹配的任务，需要对70W条文本数据进行推荐相似度的计算，需要做一个全遍历——也就是一个70W个元素的list遍历的时候，和自身做一些相关的计算。list中的每个元素没768维的向量，然后得出结果后，还需要排序，然后写入文件存储。这个场景就非常耗时，为了减少消耗时间，在单机的环境下，就想到了并行。

python的多线程是假的多线程——由于GUI的原因，反正巴拉巴拉。。。就想着用 multiprocessing，这里采用了简单的Pool。开始直接上代码：

datas=[]
for i in range(0,700000):
    a = np.random.random((2,))
    datas.append(a)


p=multiprocessing.Pool(4)
param=[]
    for ele in tqdm(datas,desc='param:'):
        t=(ele,datas)
        param.append(t)
    print('*'*10)
b = p.map(doSomething, param)

def doSomething(a,d):
    # t1 = time.time()
    # r=cdist([a],datas,"cosine")[0]#计算70W次cos值
    # t2 = time.time()
    # print('t2-t1:%4f' % (t2 - t1))
    r=0
    time.sleep(0.0001)
    return r

把上面的70W次的for循环改写成下面的多进程，运行直接报错。错误在于pool.map(A,B)中的A是函数，B是函数的传入参数，这个B只能是单个的。为何我这里错了呢？这里param是单个的呀！然而doSomething()函数有2个参数，代码本身就有问题。改写下面2种方式：

def do(param):
    return doSomething(param[0],param[1])

def doSomething(param):
    t1 = time.time()
    r=cdist([param[0]],param[1],"cosine")[0]#计算70W次cos值
    t2 = time.time()
    print('t2-t1:%4f' % (t2 - t1))
    r=0
    time.sleep(0.0001)
    return r

一种是函数嵌套，另一种是直接在doSomething()函数直接实现相应功能。

这里最重要的一点就是加入要传入多个参数的话，就必须把多个参数进行封装，封装成dic、tuple都行。然后再在函数里面想办法使用这些封装的参数来实现功能。

最后看看耗时对比效果，这里为了能够展示出效果，把里面的计算cos的功能屏蔽掉，使用sleep()来代替——不代替的话，我这个机子要跑几百个小时。

完整代码：

'''
@Author  :    HY
@Software:   PyCharm
@File    :   mutilprocess.py
@Time    :   2019/9/18 23:45
@Desc    :

'''
import time
import multiprocessing
from tqdm import tqdm
from scipy.spatial.distance import cdist
import numpy as np

def doSomething(a,d):
    # t1 = time.time()
    # r=cdist([a],datas,"cosine")[0]#计算70W次cos值
    # t2 = time.time()
    # print('t2-t1:%4f' % (t2 - t1))
    r=0
    time.sleep(0.0001)
    return r
def do(param):
    return doSomething(param[0],param[1])
if __name__ == '__main__':
    datas=[]
    for i in range(0,700000):
        a = np.random.random((2,))
        datas.append(a)
    t1=time.time()
    for e in tqdm(datas):
        doSomething(e,datas)
    t2=time.time()
    print('t2-t1:%4f'%(t2-t1))
    param=[]
    for ele in tqdm(datas,desc='param:'):
        t=(ele,datas)
        param.append(t)
    print('*'*10)

    p=multiprocessing.Pool(4)
    b = p.map(doSomething, param)


    t1 = time.time()
    b=p.map(do,param)
    p.close()
    p.join()
    t2 = time.time()
    print('t2-t1:%4f' % (t2 - t1))

结果：

python 线程循环执行 python多线程处理for循环_多线程