如何解决在dask Client.map调用期间会发生什么?
我正在尝试使用dask编写网格搜索实用程序。目标函数调用包含大量数据源的类的方法。我试图使用dask将计算并行化为多核解决方案,而不必复制原始的类/数据帧。我在文档中没有找到任何解决方案,因此我在这里发布了一个玩具示例:
import pickle
from dask.distributed import Client,LocalCluster
from multiprocessing import current_process
class TestClass:
def __init__(self):
self.param = 0
def __getstate__(self):
print("I am pickled!")
return self.__dict__
def loss(self,ext_param):
self.param += 1
print(f"{current_process().pid}: {hex(id(self))}: {self.param}: {ext_param} ")
return f"{self.param}_{ext_param}"
def objective_function(param):
return test_instance.loss(param)
if __name__ == '__main__':
test_instance = TestClass()
print(hex(id(test_instance)))
cluster = LocalCluster(n_workers=2)
client = Client(cluster)
futures = client.map(objective_function,range(20))
result = client.gather(futures)
print(result)
# ---- OUTPUT RESULTS ----
# 0x7fe0a5056d30
# I am pickled!
# I am pickled!
# 11347: 0x7fb9bcfa0588: 1: 0
# 11348: 0x7fb9bd0a2588: 1: 1
# 11347: 0x7fb9bcf94240: 1: 2
# 11348: 0x7fb9bd07b6a0: 1: 3
# 11347: 0x7fb9bcf945f8: 1: 4
# ['1_0','1_1','1_2','1_3','1_4']
我有以下问题:
- 为什么下面的pickle函数被调用两次?
- 我注意到map函数的每个迭代都使用
test_instance
的新副本,如您从每个迭代的不同类地址以及{{1 }}属性在每次迭代时都设置为0(此行为与多处理的标准实现不同。我突出显示了here池)。我假设在每次迭代过程中,每个进程都会收到一个新的腌制类副本-是正确的吗? - 从(2)开始,计算过程中内存中有
test_instance.param
个副本?是1(对于主线程中的原始实例)+1(经过酸洗的副本)+2(每个进程中存在的实例)= 4?有什么办法可以将此值设为1?
我注意到this github issue中提出的使用Ray库可以使用某些共享内存解决方案的方法。
解决方法
为什么下面的pickle函数被调用两次?
通常,python的pickle有效地将实例变量和引用绑定到导入模块中的类。在__main__
中,这可能是不可靠的,并且dask退回到了cloudpickle(内部也称为pickle)。在我看来,在第一次尝试腌制之前,可能会发生在"__main__"
中进入distributed.protocol.pickle.dumps
的检查。
在每次迭代过程中,每个进程将收到一个新的腌制类副本
是的。每次dask运行任务时,它都会反序列化输入,从而创建实例的nw副本。请注意,您的熟练工可能是通过fork_server技术创建的,因此内存不是简单地复制的(这是做事的安全方法)。
您可以在计算之前将实例“分散”给工作人员,他们可以重用其本地副本,但不应通过更改对象而是返回结果(即从功能上)来执行轻松的任务。
客户端中的内存中有多少test_instance副本
1个,每个正在执行的任务加一个。序列化的版本也可能存在,可能是在图中保留的版本,暂时保留在客户端上,然后保留在调度程序上。反序列化时,它也将临时存储在工作人员内存中。对于某些类型,可以使用零拷贝de / ser。
如果由于对象的大小而导致任务非常大,则一定要事先“分散”它们(client.scatter
)。
有什么办法可以将该值设为1?
您可以在进程中运行调度程序和/或工作程序以共享内存,但是,当然,您会失去与GIL的并行性。
也许您可以尝试Actor
interface?该模式似乎与您的工作流程相符。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。