并行化Python'；s reduce命令

在Python中，我运行以下形式的命令

reduce(func, bigArray[1:], bigArray[0])

我想添加并行处理来加速它

我知道我可以通过拆分阵列、在单独的部分上运行进程以及合并结果来手动完成这项工作

然而，考虑到并行运行reduce的普遍性，我想看看是否有一种本地方式或库可以自动完成这项工作

---

我在运行一台6核的机器

对于遇到这个问题的人，我最终写了一个助手来做这件事

def parallelReduce(l, numCPUs, connection=None):

    if numCPUs == 1 or len(l) <= 100:
            returnVal= reduce(reduceFunc, l[1:], l[0])
            if connection != None:
                    connection.send(returnVal)
            return returnVal

    parent1, child1 = multiprocessing.Pipe()
    parent2, child2 = multiprocessing.Pipe()
    p1 = multiprocessing.Process(target=parallelReduce, args=(l[:len(l) // 2], numCPUs // 2, child1, ) )
    p2 = multiprocessing.Process(target=parallelReduce, args=(l[len(l) // 2:], numCPUs // 2 + numCPUs%2, child2, ) )
    p1.start()
    p2.start()
    leftReturn, rightReturn = parent1.recv(), parent2.recv()
    p1.join()
    p2.join()
    returnVal = reduceFunc(leftReturn, rightReturn)
    if connection != None:
            connection.send(returnVal)
    return returnVal

def parallelReduce（l，numpus，connection=None）：
如果numpus==1或len（l）如果您能够组合map和reduce（或希望连接结果而不是更一般的reduce），则可以使用mr4p：


类中的_reduce函数的代码似乎通过multiprocessing.pool实现并行处理，以汇集通常的reduce进程，大致如下所示：

reduce(<Function used to reduce>, pool.map(partial(reduce, <function used to reduce>), <List of results to reduce>))

reduce（，pool.map（部分（reduce，），）

我还没有试过，但语法似乎是：

mr4mp.pool().mapreduce(<Function to be mapped>,<Function used to reduce>, <List of entities to apply function on>)

mr4mp.pool（）.mapreduce（，）
@user3080953我只有一台6核的机器。运行Spark会有好处吗？我不知道，对不起，你应该对它进行基准测试。它也有很长的启动时间，所以这取决于你有多少数据