GIL锁会显著降低以下代码的性能吗?在
每个块上的函数使用python循环而不是numpy函数。由于有外部库,我不得不使用python循环。在
测试代码:
import numpy as np
import dask.array as da
import dask.sharedict as sharedict
from itertools import product
def block_func(block):
for i in range(len(block)): # <--- the python loop ...
block[i] += 1
return block
def darr_func(x, name='test'):
dsk = {}
for idx in product(*map(range, x.numblocks)):
dsk[(name,) + idx] = (block_func, (x.name,) + idx)
dsk2 = sharedict.merge((name, dsk), x.dask)
return da.Array(dsk2, name, x.chunks, x.dtype)
def main():
n = 1000
chunks = 100
arr = np.arange(n*n).reshape(n, n)
darr = da.from_array(arr, chunks=chunks)
result = darr_func(darr)
print(result.compute())
main()
如果是这样,那么设置调度程序的上下文是否有帮助? 如何在dask数组上设置函数的上下文?我想在dask阵列上使用默认的dask调度程序进行其他操作。在
从wiki中,我看到了为compute而不是函数设置调度程序的方法:
^{pr2}$
pythonfor循环不释放GIL,因此很难与线程并行。在这种情况下,你有几个选择
使用一个调度程序将计算拆分为多个进程。我个人的建议是使用达斯克。分布式本地调度程序,这可以通过运行以下两行来完成:
但是,您应该像往常一样分析代码并尝试一些事情。上面给出的建议取决于许多因素。例如,如果循环体释放GIL,Python For循环可能不是问题。在
相关问题 更多 >
编程相关推荐