使用Ray并行化大型程序的正确方法

如何解决使用Ray并行化大型程序的正确方法

我有一个相当大的Python程序（约800行），其结构如下：

设置说明，我在其中处理用户提供的输入文件，并定义将对程序执行全局的变量/对象。
主要功能，它利用上一个设置阶段并调用程序的主要附加功能。
从主函数直接调用它们的意义上讲，附加函数可以是主要函数，或者在仅由主附加函数调用的意义上讲，可以是辅助函数。
我在最后几行代码中处理main函数的结果。

该程序在很大程度上是并行的，因为主要功能的每次执行均独立于上一个和下一个。因此，我使用Ray在群集中的多个工作程序节点上并行执行主要功能。操作系统是CentOS Linux版本8.2.2004（核心），并且集群执行PBS Pro 19.2.4.20190830141245。我正在使用Python 3.7.4，Ray 0.8.7和Redis 3.4.1。

我在Python脚本中具有以下内容，其中foo是主要功能：

@ray.remote(memory=2.5 * 1024 * 1024 * 1024)
def foo(locInd):
    # Main function

if __name__ == '__main__':
    ray.init(address='auto',redis_password=args.pw,driver_object_store_memory=10 * 1024 * 1024 * 1024)
    futures = [foo.remote(i) for i in zip(*np.asarray(indArr == 0).nonzero())]
    waitingIds = list(futures)
    while len(waitingIds) > 0:
        readyIds,waitingIds = ray.wait(
            waitingIds,num_returns=min([checkpoint,len(waitingIds)]))
        for r0,r1,r2,r3,r4,r5,r6,r7 in ray.get(readyIds):
            # Process results
            indArr[r0[::-1]] = 1
            nodesComplete += 1
    ray.shutdown()

下面是我启动Ray的说明

# Head node
/path/to/ray start --head --port=6379 \
--redis-password=$redis_password \
--memory $((120 * 1024 * 1024 * 1024)) \
--object-store-memory $((20 * 1024 * 1024 * 1024)) \
--redis-max-memory $((10 * 1024 * 1024 * 1024)) \
--num-cpus 48 --num-gpus 0

# Worker nodes
/path/to/ray start --block --address=$1 \
--redis-password=$2 --memory $((120 * 1024 * 1024 * 1024)) \
--object-store-memory $((20 * 1024 * 1024 * 1024)) \
--redis-max-memory $((10 * 1024 * 1024 * 1024)) \
--num-cpus 48 --num-gpus 0

只要我处理足够小的数据集，一切都会按预期进行。尽管如此，执行仍会产生以下警告

2020-08-17 17：16：44,289警告worker.py:1134-警告：酸洗时，远程功能__main__.foo的大小为220019409。它将存储在Redis中，这可能会导致内存问题。这可能意味着其定义使用了大数组或其他对象。
2020-08-17 17：17：10,281警告worker.py:1134-要求该工作程序执行尚未注册的功能。您可能必须重新启动Ray。

如果我尝试在更大的数据集上运行代码，则会出现以下错误：

Traceback (most recent call last):
  File "/home/157/td5646/.local/lib/python3.7/site-packages/redis/connection.py",line 700,in send_packed_command
    sendall(self._sock,item)
  File "/home/157/td5646/.local/lib/python3.7/site-packages/redis/_compat.py",line 8,in sendall
2020-08-21 14:22:34,226 WARNING worker.py:1134 -- Warning: The remote function __main__.foo has size 898527351 when pickled. It will be stored in Redis,which could cause memory issues. This may mean that its definition uses a large array or other object.
    return sock.sendall(*args,**kwargs)
ConnectionResetError: [Errno 104] Connection reset by peer

During handling of the above exception,another exception occurred:

Traceback (most recent call last):
  File "./Program.py",line 1030,in <module>
    for i in zip(*np.asarray(indArr == 0).nonzero())]
  File "./Program.py",in <listcomp>
    for i in zip(*np.asarray(indArr == 0).nonzero())]
  File "/home/157/td5646/.local/lib/python3.7/site-packages/ray/remote_function.py",line 95,in _remote_proxy
    return self._remote(args=args,kwargs=kwargs)
  File "/home/157/td5646/.local/lib/python3.7/site-packages/ray/remote_function.py",line 176,in _remote
    worker.function_actor_manager.export(self)
  File "/home/157/td5646/.local/lib/python3.7/site-packages/ray/function_manager.py",line 152,in export
    "max_calls": remote_function._max_calls
  File "/home/157/td5646/.local/lib/python3.7/site-packages/redis/client.py",line 3023,in hmset
    return self.execute_command('HMSET',name,*items)
  File "/home/157/td5646/.local/lib/python3.7/site-packages/redis/client.py",line 877,in execute_command
    conn.send_command(*args)
  File "/home/157/td5646/.local/lib/python3.7/site-packages/redis/connection.py",line 721,in send_command
    check_health=kwargs.get('check_health',True))
  File "/home/157/td5646/.local/lib/python3.7/site-packages/redis/connection.py",line 713,in send_packed_command
    (errno,errmsg))
redis.exceptions.ConnectionError: Error 104 while writing to socket. Connection reset by peer.

关于我如何向Ray描述程序，我显然做错了。我有Scipy Interpolator对象，我认为它是全局对象，但是，正如在GitHub thread中已经指出的那样，我应该在它们上调用ray.put。那里的问题是我碰到了这些ValueError: buffer source array is read-only，我不知道如何诊断。另外，我不确定是否应该用@ray.remote装饰所有功能，还是只用main装饰。我想我可以对所有其他功能执行@ray.remote(num_cpus=1)，因为它实际上应该只是并行执行的主要功能，但是我不知道这是否有意义。

我们非常感谢您的帮助，如果需要，我很乐意提供更多信息。

解决方法

我潜在地解决了我的问题，但是我不介意别人的意见，因为我的Ray知识确实有限。另外，我想这可能会给遇到类似问题的其他人提供帮助（希望我并不孤单！）。

正如我在问题中提到的那样，该程序对于足够小的数据集运行得很好（尽管它似乎绕过了Ray逻辑的某些方面），但最终在大型数据集上崩溃了。仅使用Ray任务，我没有设法调用存储在对象存储区（ValueError: buffer source array is read-only中的Scipy Interpolator对象，并且装饰所有函数都没有意义，因为实际上只有主要的一个函数应同时执行（在调用时其他功能）。

因此，我决定更改程序的结构以使用Ray Actors。设置说明现在是__init__方法的一部分。特别是，在此方法中定义了Scipy插值器对象，并将其设置为self的属性，就像全局变量一样。除通过Numba编译的函数外，大多数函数（包括主要功能）已成为类方法。对于后者，它们仍然是用@jit装饰的独立函数，但是它们现在在类中都具有等效的包装方法，该方法调用jitted函数。

要使我的程序并行执行我现在的main方法，我需要使用ActorPool。我创建了与可用CPU一样多的actor，每个actor执行main方法，成功调用方法和Numba编译的函数，同时还设法访问Interpolator对象。我只将@ray.remote应用于定义的Python类。所有这些都转化为以下结构：

@ray.remote
class FooClass(object):
    def __init__(self,initArgs):
        # Initialisation

    @staticmethod
    def exampleStaticMethod(args):
        # Processing
        return

    def exampleMethod(self,args):
        # Processing
        return

    def exampleWrapperMethod(self,args):
        return numbaCompiledFunction(args)

    def mainMethod(self,poolMapArgs):
        # Processing
        return


@jit
def numbaCompiledFunction(args):
    # Processing
    return


ray.init(address='auto',redis_password=redPass)
actors = []
for actor in range(int(ray.cluster_resources()['CPU'])):
    actors.append(FooClass.remote(initArgs))
pool = ActorPool(actors)
for unpackedTuple in pool.map_unordered(
        lambda a,v: a.mainMethod.remote(v),poolMapArgs):
    # Processing
ray.shutdown()

此操作成功地在分布于4个节点上的192个CPU上运行，没有任何警告或错误。

使用Ray并行化大型程序的正确方法

如何解决使用Ray并行化大型程序的正确方法

解决方法

相关推荐