Python 2.7 如何在自定义dask图中调用Executor.map?
我有一个计算,由3个“映射”步骤组成,最后一个步骤取决于前两个步骤的结果。我使用运行在多台PC上的分布式dask执行此任务 依赖关系图如下所示Python 2.7 如何在自定义dask图中调用Executor.map?,python-2.7,anaconda,distributed,distributed-computing,dask,Python 2.7,Anaconda,Distributed,Distributed Computing,Dask,我有一个计算,由3个“映射”步骤组成,最后一个步骤取决于前两个步骤的结果。我使用运行在多台PC上的分布式dask执行此任务 依赖关系图如下所示 map(func1, list1) -> res_list1-\ | -> create_list_3(res_list1, res_list2)-> list3 -> map(func3, list3) map(func2, list2) -> res_lis
map(func1, list1) -> res_list1-\
| -> create_list_3(res_list1, res_list2)-> list3 -> map(func3, list3)
map(func2, list2) -> res_list2-/
如果我们假设这些计算是独立的,那么调用map
函数3次就很简单了
from distributed import Executor, progress
def process(jobid):
e = Executor('{address}:{port}'.format(address=config('SERVER_ADDR'),
port=config('SERVER_PORT')))
futures = []
futures.append(e.map(func1, list1))
futures.append(e.map(func2, list2))
futures.append(e.map(func3, list3))
return futures
if __name__ == '__main__':
jobid = 'blah-blah-blah'
r = process(jobid)
progress(r)
但是,list3
是根据func1
和func2
的结果构建的,它的创建不容易map
pab(list1
、list2
、res_list1
和res_list2
存储在Postgresql数据库中,创建list3
是一个JOIN
查询,需要一些时间)
我尝试将调用添加到期货列表中的submit
,但是,这并没有像预期的那样起作用:
def process(jobid):
e = Executor('{address}:{port}'.format(address=config('SERVER_ADDR'),
port=config('SERVER_PORT')))
futures = []
futures.append(e.map(func1, list1))
futures.append(e.map(func2, list2))
futures.append(e.submit(create_list_3))
futures.append(e.map(func3, list3))
return futures
在这种情况下,一个dask工作者
已收到要执行的任务create_list_3
,但其他人同时收到要调用func3
的任务,这些任务出现了错误,因为list3
不存在
很明显,我缺少同步。工作人员必须停止并等待list3
的创建完成
dask的dask
文档描述了可以提供同步的自定义任务图
但是,文档中的示例不包括map
函数,只包括简单的计算,如调用add
和inc
在我的例子中,是否可以使用
map
和自定义dask图,或者我是否应该实现与dask
中未包含的其他方法的同步?如果您希望链接任务之间的依赖关系,则应将以前任务的输出传递到另一个任务的输入
futures1 = e.map(func1, list1)
futures2 = e.map(func2, list2)
futures3 = e.map(func3, futures1, futures2)
对于func3
Dask的任何调用,Dask将处理等待,直到输入准备就绪,并将从计算结果的任何位置向该函数发送适当的结果
但是,您似乎希望通过其他自定义方式处理数据传输和同步。如果是这样,那么将一些令牌传递给对func3
的调用可能会很有用
futures1 = e.map(func1, list1)
futures2 = e.map(func2, list2)
def do_nothing(*args):
return None
token1 = e.submit(do_nothing, futures1)
token2 = e.submit(do_nothing, futures2)
list3 = e.submit(create_list_3)
def func3(arg, tokens=None):
...
futures3 = e.map(func3, list3, tokens=[token1, token2])
这有点像黑客,但会迫使所有func3
函数等待,直到它们能够从以前的map调用中获得令牌结果
但是,我建议尝试做第一个选项。这将使dask在运行时更加智能,并可以释放资源。像
token1/2
这样的障碍会导致次优调度。发现了这个链接:Title很有希望。是的,我将实际结果存储在数据库中,函数返回token。