如何在Python joblib中写入共享变量

Question

以下代码并行化了一个 for 循环。

import networkx as nx;
import numpy as np;
from joblib import Parallel, delayed;
import multiprocessing;

def core_func(repeat_index, G, numpy_arrary_2D):
  for u in G.nodes():
    numpy_arrary_2D[repeat_index][u] = 2;
  return;

if __name__ == "__main__":
  G = nx.erdos_renyi_graph(100000,0.99);
  nRepeat = 5000;
  numpy_array = np.zeros([nRepeat,G.number_of_nodes()]);
  Parallel(n_jobs=4)(delayed(core_func)(repeat_index, G, numpy_array) for repeat_index in range(nRepeat));
  print(np.mean(numpy_array));

可以看到，要打印的预期值为 2。但是，当我在集群（多核、共享内存）上运行代码时，它返回 0.0。

我认为问题在于每个工作人员都创建了自己的

numpy_array

对象副本，而在 main 函数中创建的副本没有更新。如何修改代码以便更新 numpy 数组

numpy_array

？

Answer 1

joblib

默认使用processes的多处理池，如其手册所述：

在底层，Parallel 对象创建了一个多处理池 在多个进程中分叉 Python 解释器来执行每个进程 列表中的项目。延迟函数是一个简单的技巧 能够通过函数调用创建元组（函数、args、kwargs） 语法。

这意味着每个进程都会继承数组的原始状态，但是当进程退出时，它写入其中的任何内容都会丢失。仅函数结果被传递回调用（主）进程。但你没有返回任何东西，所以

None

被返回。

要使共享数组可修改，有两种方法：使用线程和使用共享内存。

---

与进程不同，线程共享内存。因此，您可以写入数组，每个作业都会看到此更改。根据

joblib

手册，是这样完成的：

  Parallel(n_jobs=4, backend="threading")(delayed(core_func)(repeat_index, G, numpy_array) for repeat_index in range(nRepeat));

运行时：

$ python r1.py 
2.0

但是，当您将复杂的内容写入数组时，请确保正确处理数据或数据块周围的锁，否则您将遇到竞争条件（谷歌它）。

还要仔细阅读 GIL，因为 Python 中的计算多线程是有限的（与 I/O 多线程不同）。

---

如果您仍然需要进程（例如由于 GIL），您可以将该数组放入共享内存中。

这是一个有点复杂的主题，但是joblib + numpy共享内存示例也显示在

joblib

手册中。

Answer 2

正如 Sergey 在他的回答中所写，进程不共享状态和内存。这就是为什么您看不到预期答案的原因。

线程共享状态和内存空间，因为它们在同一进程下运行。如果您有很多 I/O 操作，这非常有用。由于 GIL

，它不会为您带来更多处理能力（更多 CPU）

进程之间通信的一种技术是使用管理器的代理对象。您创建一个管理器对象，它在进程之间同步资源。

Manager() 返回的管理器对象控制一个服务器进程，该进程保存 Python 对象并允许其他进程使用代理来操作它们。

我还没有测试过这段代码（我没有你使用的所有模块），它可能需要对代码进行更多修改，但是使用 Manager 对象它应该看起来像这样

if __name__ == "__main__":
    G = nx.erdos_renyi_graph(100000,0.99);
    nRepeat = 5000;

    manager = multiprocessing.Manager()
    numpys = manager.list(np.zeros([nRepeat, G.number_of_nodes()])

    Parallel(n_jobs=4)(delayed(core_func)(repeat_index, G, numpys, que) for repeat_index in range(nRepeat));
    print(np.mean(numpys));

Answer 3

您不一定需要使用共享内存。

假设您的数组仅以零启动，您只需对结果求和即可：

core_array = [...]

results = joblib.Parallel(...)

for result in results:
    core_array += result

在加法运算符正确重载的情况下，该解决方案也是通用的。