在Python中使用多程序快速處理資料

資料分片：可以將資料分片處理的任務適合用多程序**處理，核心思路是將data分片，對每一片資料處理返回結果(可能是無序的)，然後合併。應用場景：多程序爬蟲，類mapreduce任務。缺點是子程序會拷貝父程序所有狀態，記憶體浪費嚴重。

import math
from multiprocessing import pool
def run(data, index, size):  # data 傳入資料，index 資料分片索引，size程序數
size = math.ceil(len(data) / size)
start = size * index
end = (index + 1) * size if (index + 1) * size < len(data) else len(data)
temp_data = data[start:end]
# do something
return data  # 可以返回資料，在後面收集起來
processor = 40
res = 
p = pool(processor)
for i in range(processor):
print(str(i) + ' processor started !')
p.close()
p.join()
for i in res:
print(i.get())  # 使用get獲得多程序處理的結果

分檔案處理：當記憶體受限時，不能再繼續使用資料分片，因為子程序會拷貝父程序的所有狀態，導致記憶體的浪費。這時候可以考慮先把大檔案分片儲存到磁碟，然後del 釋放掉資料，接著在多程序處理的函式裡面分別讀取，這樣子程序就會分別讀取需要處理的資料，而不會占用大量記憶體。

from multiprocessing import pool
import pandas as pd
import math
data=pd.dataframe()
users=pd.dataframe(data['user_id'].unique(),columns=['user_id'])
processor=4
p=pool(processor)
l_data = len(users)
size = math.ceil(l_data / processor)
res = 
def run(i):
data=pd.read_csv('../data/user_'+str(i)+'.csv')
#todo
return data
for i in range(processor):
start = size * i
end = (i + 1) * size if (i + 1) * size < l_data else l_data
user = users[start:end]
t_data = pd.merge(data, user, on='user_id').reset_index(drop=true)
t_data.to_csv('../data/user_'+str(i)+'.csv',index=false)
print(len(t_data))
del data,l_data,users
for i in range(processor):
print(str(i) + ' processor started !')
p.close()
p.join()
data = pd.concat([i.get() for i in res])

多程序資料共享：當需要修改共享的資料時，那麼這個時候可以使用資料共享：

from multiprocessing import process, manager
# 每個子程序執行的函式
# 引數中，傳遞了乙個用於多程序之間資料共享的特殊字典
def func(i, d):
d[i] = i + 100
print(d.values())
# 在主程序中建立特殊字典
m = manager()
d = m.dict()
for i in range(5):
# 讓子程序去修改主程序的特殊字典
p = process(target=func, args=(i, d))
p.start()
p.join()
------------
[100]
[100, 101]
[100, 101, 102, 103]
[100, 101, 102, 103]
[100, 101, 102, 103, 104]

在Python中使用多程序快速處理資料

python使用多程序

python多程序 python多程序

python多程序 Python多程序實踐

在Python中使用多程序快速處理資料

python使用多程序

python多程序 python多程序

python多程序 Python多程序實踐

相關推薦