मल्टीप्रोसेसिंग: एक प्रगति बार प्रदर्शित करने के लिए tqdm का उपयोग करें

Question 1

मेरे कोड को और अधिक "पायथोनिक" बनाने के लिए और तेजी से, मैं "मल्टीप्रोसेसिंग" और इसे भेजने के लिए एक मानचित्र फ़ंक्शन का उपयोग करता हूं) फ़ंक्शन और बी) पुनरावृत्तियों की सीमा।

प्रत्यारोपित समाधान (यानी, रेंज tqdm.tqdm पर सीधे कॉल tqdm (रेंज (0, 30)) मल्टीप्रोसेसिंग के साथ काम नहीं करता है (जैसा कि नीचे दिए गए कोड में तैयार किया गया है)।

प्रगति पट्टी 0 से 100% तक प्रदर्शित होती है (जब अजगर कोड पढ़ता है?) लेकिन यह मानचित्र फ़ंक्शन की वास्तविक प्रगति का संकेत नहीं देता है।

एक प्रगति पट्टी कैसे प्रदर्शित करें जो इंगित करती है कि 'मैप' फ़ंक्शन किस चरण पर है?

from multiprocessing import Pool
import tqdm
import time

def _foo(my_number):
   square = my_number * my_number
   time.sleep(1)
   return square 

if __name__ == '__main__':
   p = Pool(2)
   r = p.map(_foo, tqdm.tqdm(range(0, 30)))
   p.close()
   p.join()

किसी भी मदद या सुझाव का स्वागत करते हैं ...

Question 2

मानचित्र के बजाय इमैप का उपयोग करें, जो संसाधित मूल्यों का एक पुनरावृत्ति देता है।

from multiprocessing import Pool
import tqdm
import time

def _foo(my_number):
   square = my_number * my_number
   time.sleep(1)
   return square 

if __name__ == '__main__':
   with Pool(2) as p:
      r = list(tqdm.tqdm(p.imap(_foo, range(30)), total=30))

Question 3

समाधान मिला: सावधान! मल्टीप्रोसेसिंग, आकलन समय (प्रति पाश, कुल समय, इत्यादि) के कारण अस्थिर हो सकता है, लेकिन प्रगति पूरी तरह से समाप्त हो जाती है।

नोट: पूल के लिए संदर्भ प्रबंधक केवल पायथन संस्करण 3.3 से उपलब्ध है

from multiprocessing import Pool
import time
from tqdm import *

def _foo(my_number):
   square = my_number * my_number
   time.sleep(1)
   return square 

if __name__ == '__main__':
    with Pool(processes=2) as p:
        max_ = 30
        with tqdm(total=max_) as pbar:
            for i, _ in enumerate(p.imap_unordered(_foo, range(0, max_))):
                pbar.update()

Question 4

आप p_tqdmइसके बजाय उपयोग कर सकते हैं ।

https://github.com/swansonk14/p_tqdm

from p_tqdm import p_map
import time

def _foo(my_number):
   square = my_number * my_number
   time.sleep(1)
   return square 

if __name__ == '__main__':
   r = p_map(_foo, list(range(0, 30)))

Question 5

देर से आने के लिए क्षमा करें, लेकिन यदि आप सभी की जरूरत है एक समवर्ती नक्शा है, नवीनतम संस्करण ( tqdm>=4.42.0) में अब यह अंतर्निहित है:

from tqdm.contrib.concurrent import process_map  # or thread_map
import time

def _foo(my_number):
   square = my_number * my_number
   time.sleep(1)
   return square 

if __name__ == '__main__':
   r = process_map(_foo, range(0, 30), max_workers=2)

संदर्भ: https://tqdm.github.io/docs/contrib.concurrent/ और https://github.com/tqdm/tqdm/blob/master/examples/parallel_bars.py

Question 6

Xavi मार्टिनेज के उत्तर के आधार पर मैंने फ़ंक्शन लिखा imap_unordered_bar। यह उसी तरह से उपयोग किया जा सकता है जैसे imap_unorderedकि केवल अंतर के साथ एक प्रसंस्करण बार दिखाया गया है।

from multiprocessing import Pool
import time
from tqdm import *

def imap_unordered_bar(func, args, n_processes = 2):
    p = Pool(n_processes)
    res_list = []
    with tqdm(total = len(args)) as pbar:
        for i, res in tqdm(enumerate(p.imap_unordered(func, args))):
            pbar.update()
            res_list.append(res)
    pbar.close()
    p.close()
    p.join()
    return res_list

def _foo(my_number):
    square = my_number * my_number
    time.sleep(1)
    return square 

if __name__ == '__main__':
    result = imap_unordered_bar(_foo, range(5))

Question 7

जब आप अपने समानांतर निष्पादित कार्यों से परिणाम प्राप्त करने की आवश्यकता होती है, तो यहां मेरा विचार है। यह फ़ंक्शन कुछ चीजें करता है (मेरा एक और पोस्ट है जो इसे आगे समझाता है) लेकिन मुख्य बिंदु यह है कि एक कार्य लंबित कतार है और एक कार्य कतार पूरा हुआ है। चूंकि श्रमिकों को लंबित कतार में प्रत्येक कार्य के साथ किया जाता है, इसलिए वे पूर्ण किए गए कार्यों में परिणाम जोड़ते हैं। आप tqdm प्रगति पट्टी के साथ कार्यों को पूरा करने के लिए चेक लपेट सकते हैं। मैं do_work () फ़ंक्शन के कार्यान्वयन को यहां नहीं डाल रहा हूं, यह प्रासंगिक नहीं है, क्योंकि यहां संदेश पंक्तिबद्ध कार्यों को पूरा करने और प्रगति बार को अपडेट करने का परिणाम है।

def par_proc(job_list, num_cpus=None, verbose=False):

# Get the number of cores
if not num_cpus:
    num_cpus = psutil.cpu_count(logical=False)

print('* Parallel processing')
print('* Running on {} cores'.format(num_cpus))

# Set-up the queues for sending and receiving data to/from the workers
tasks_pending = mp.Queue()
tasks_completed = mp.Queue()

# Gather processes and results here
processes = []
results = []

# Count tasks
num_tasks = 0

# Add the tasks to the queue
for job in job_list:
    for task in job['tasks']:
        expanded_job = {}
        num_tasks = num_tasks + 1
        expanded_job.update({'func': pickle.dumps(job['func'])})
        expanded_job.update({'task': task})
        tasks_pending.put(expanded_job)

# Set the number of workers here
num_workers = min(num_cpus, num_tasks)

# We need as many sentinels as there are worker processes so that ALL processes exit when there is no more
# work left to be done.
for c in range(num_workers):
    tasks_pending.put(SENTINEL)

print('* Number of tasks: {}'.format(num_tasks))

# Set-up and start the workers
for c in range(num_workers):
    p = mp.Process(target=do_work, args=(tasks_pending, tasks_completed, verbose))
    p.name = 'worker' + str(c)
    processes.append(p)
    p.start()

# Gather the results
completed_tasks_counter = 0

with tqdm(total=num_tasks) as bar:
    while completed_tasks_counter < num_tasks:
        results.append(tasks_completed.get())
        completed_tasks_counter = completed_tasks_counter + 1
        bar.update(completed_tasks_counter)

for p in processes:
    p.join()

return results

Question 8

import multiprocessing as mp
import tqdm


some_iterable = ...

def some_func():
    # your logic
    ...


if __name__ == '__main__':
    with mp.Pool(mp.cpu_count()-2) as p:
        list(tqdm.tqdm(p.imap(some_func, iterable), total=len(iterable)))

Question 9

यह सरल है और यह काम करता है।

from multiprocessing.pool import ThreadPool
import time
from tqdm import tqdm

def job():
    time.sleep(1)
    pbar.update()

pool = ThreadPool(5)
with tqdm(total=100) as pbar:
    for i in range(100):
        pool.apply_async(job)
    pool.close()
    pool.join()