在Dask中，是否有一种方法可以在依赖项可用时进行处理，如在multiprocessing.imap_unordered中？

Question

我有一个简单的图形结构，它接受N个独立的任务，然后对它们进行聚合。我不在乎独立任务的结果按什么顺序聚合。有没有一种方法可以在依赖项可用时对其进行操作，从而加快计算速度

考虑下面的例子。在它中，每个并行任务都会等待一些随机时间，然后返回。另一个任务收集结果，形成一个有序队列。如果收集是异步进行的，则顺序将基于任务完成的时间。如果收集是同步进行的，则顺序将由输入静态定义

from multiprocessing import Pool
from dask import delayed
import numpy as np
from time import sleep

def wait(i):
    """Something embarrassingly parallel"""
    np.random.seed()
    t = np.random.uniform()
    sleep(t)
    print(i, t)
    return i, t

def lineup(who_when):
    """Aggregate"""
    order = []
    for who, when in who_when:
        print(f'who: {who}')
        order.append(who)
    return order

使用imap_unordered，我们可以看到在所有依赖项完成之前，收集/缩减会尽快开始

n = 5
pool = Pool(processes=n)
lineup(pool.imap_unordered(wait, range(n)))

# Produces something like the following

2 0.2837069069881948
4 0.44156753704276597
who: 2
who: 4
1 0.5563172244950703
0 0.6696008076879393
who: 1
who: 0
3 0.9911326214345308
who: 3
[2, 4, 1, 0, 3]

使用dask.delayed，按照我习惯的方式，结果就像map（），一旦所有依赖项都可用，就开始收集。顺序是静态的

n = 5
order = delayed(lineup)([delayed(wait)(i) for i in range(n)])
order.compute()

# produces something like:

0 0.2792789023871932
2 0.44570072028850705
4 0.6969597596416385
1 0.766705306208266
3 0.9889956337687371
who: 0
who: 1
who: 2
who: 3
who: 4
[0, 1, 2, 3, 4]

dask是否有imap_无序等效物？也许是用dask.bag

Answer 1

对。您可能正在寻找Dask Futures interface的as_completed函数

这里有一个关于Handling Evolving Workflows的Dask示例

为方便起见，我将复制此处填写的as_的文档字符串

竣工

按期货完成的顺序返回期货

这将返回一个迭代器，该迭代器按照输入对象完成的顺序生成输入对象。无论顺序如何，在迭代器上调用next都将阻塞，直到下一个future完成

此外，您还可以在使用.add方法计算期间向该对象添加更多未来

参数

期货：期货集合 按完成顺序迭代的未来对象的列表

结果为：bool（False） 是否等待并包括期货结果；在本例中，当_完成时，将产生（未来、结果）的元组

raise_错误：布尔（真） 当未来的结果引发例外时，我们是否应该提出；仅在结果为True时影响行为

例子

>>> x, y, z = client.map(inc, [1, 2, 3])  # doctest: +SKIP
>>> for future in as_completed([x, y, z]):  # doctest: +SKIP
...     print(future.result())  # doctest: +SKIP
3
2
4

在计算过程中添加更多期货

>>> x, y, z = client.map(inc, [1, 2, 3])  # doctest: +SKIP
>>> ac = as_completed([x, y, z])  # doctest: +SKIP
>>> for future in ac:  # doctest: +SKIP
...     print(future.result())  # doctest: +SKIP
...     if random.random() < 0.5:  # doctest: +SKIP
...         ac.add(c.submit(double, future))  # doctest: +SKIP
4
2
8
3
6
12
24

也可以选择等待，直到收集到结果

>>> ac = as_completed([x, y, z], with_results=True)  # doctest: +SKIP
>>> for future, result in ac:  # doctest: +SKIP
...     print(result)  # doctest: +SKIP
2
4
3