从joblib产生的中间结果

Question

我正在尝试学习joblib模块，以替代python中的内置multiprocessing模块。我习惯于使用multiprocessing.imap在可迭代的基础上运行一个函数，并在结果出现时返回结果。在这个最小的工作示例中，我想不出如何使用joblib：

import joblib, time

def hello(n):
    time.sleep(1)
    print "Inside function", n
    return n

with joblib.Parallel(n_jobs=1) as MP:

    func = joblib.delayed(hello)
    for x in MP(func(x) for x in range(3)):
        print "Outside function", x

其中的指纹：

Inside function 0
Inside function 1
Inside function 2
Outside function 0
Outside function 1
Outside function 2

我想看看输出：

Inside function 0
Outside function 0
Inside function 1
Outside function 1
Inside function 2
Outside function 2

或者类似的东西，表明可迭代的MP(...)没有等待所有的结果完成。对于更长的演示更改，n_jobs=-1和range(100)。

Answer 1

例如，要从joblib获得立即的结果：

from joblib._parallel_backends import MultiprocessingBackend

class ImmediateResult_Backend(MultiprocessingBackend):
    def callback(self, result):
        print("\tImmediateResult function %s" % (result))

    # Overload apply_async and set callback=self.callback
    def apply_async(self, func, callback=None):
        applyResult = super().apply_async(func, self.callback)
        return applyResult

joblib.register_parallel_backend('custom', ImmediateResult_Backend, make_default=True)

with joblib.Parallel(n_jobs=2) as parallel:
    func = parallel(delayed(hello)(y) for y in range(3))
    for f in func:
        print("Outside function %s" % (f))

输出

注意:我在def hello(...)中使用def hello(...)，因此processes变得不同了。

内部函数0 内部职能1 ImmediateResult函数 内部职能2 ImmediateResult函数1 ImmediateResult函数2 外部功能0 外部职能1 外部职能2

用Python3.4.2-jbusb:0.11测试的

Answer 2

stovfl的回答很优雅，但它只适用于第一批发送的批。在这个例子中，它起作用是因为工人从不挨饿(n_tasks < 2*n_jobs)。要使此方法工作，必须调用最初传递给apply_async的回调。这是BatchCompletionCallBack的一个实例，它调度要处理的下一批任务。

一种可能的解决方案是将任意回调封装在可调用对象中，如以下所示(在joblib==0.11，py36中进行了测试)：

from joblib._parallel_backends import MultiprocessingBackend
from joblib import register_parallel_backend, parallel_backend
from joblib import Parallel, delayed
import time

class MultiCallback:
    def __init__(self, *callbacks):
        self.callbacks = [cb for cb in callbacks if cb]

    def __call__(self, out):
        for cb in self.callbacks:
            cb(out)

class ImmediateResultBackend(MultiprocessingBackend):
    def callback(self, result):
        print("\tImmediateResult function %s" % result)

    def apply_async(self, func, callback=None):
        cbs = MultiCallback(callback, self.callback)
        return super().apply_async(func, cbs)

register_parallel_backend('custom', ImmediateResultBackend)

def hello(n):
    time.sleep(1)
    print("Inside function", n)
    return n

with parallel_backend('custom'):
    res = Parallel(n_jobs=2)(delayed(hello)(y) for y in range(6))

输出

Inside function 0
Inside function 1
    ImmediateResult function [0]
    ImmediateResult function [1]
Inside function 3
Inside function 2
    ImmediateResult function [3]
    ImmediateResult function [2]
Inside function 4
    ImmediateResult function [4]
Inside function 5
    ImmediateResult function [5]

Answer 3

>>> import joblib, time
>>> 
>>> def hello(n):
...     time.sleep(1)
...     print "Inside function", n
...     return n
... 
>>> with joblib.Parallel(n_jobs=1) as MP:
...     func = joblib.delayed(hello)
...     res = MP(func(x) for x in range(3))  # This is not an iterator.
... 
Inside function 0
Inside function 1
Inside function 2
>>> type(res)
<type 'list'>

你要处理的不是发电机。因此，您不应该期望它将为您提供中间结果。我在文档中读到的任何东西似乎都没有提到其他内容(或者我没有读过相关的部分)。

欢迎您阅读文档并搜索“中间”结果主题：keywords=yes&area=default

我的理解是，每次对parallel的调用都是一个障碍，为了获得中间结果，您需要对处理进行分块：

>>> import joblib, time
>>> 
>>> def hello(n):
...     time.sleep(1)
...     print "Inside function", n
...     return n
... 
>>> with joblib.Parallel(n_jobs=1) as MP:
...     func = joblib.delayed(hello)
...     for chunk in range(3):
...         x = MP(func(y) for y in [chunk])
...         print "Outside function", x
... 
Inside function 0
Outside function [0]
Inside function 1
Outside function [1]
Inside function 2
Outside function [2]
>>> 

如果您想获得技术上的支持，有一个回调机制，但是它只用于进度报告(BatchCompletionCallBack)，但是您需要更多的代码更改。