在DASK中，有没有一种方法可以在依赖项变得可用时对其进行处理，就像在多进程.imap_unordered中一样？

问题描述

我有一个简单的图结构，它接受N个独立的任务，然后聚合它们。我不关心独立任务的结果是以什么顺序汇总的。是否有方法可以通过在依赖项可用时对其执行操作来加快计算速度？

请考虑以下示例。在其中，并行任务每个都等待一段随机时间，然后返回。另一个任务收集结果，形成有序队列。如果收集是异步进行的，则顺序将基于任务完成的时间。如果收集同步进行，则顺序将由输入静态定义。

from multiprocessing import Pool
from dask import delayed
import numpy as np
from time import sleep

def wait(i):
    """Something embarrassingly parallel"""
    np.random.seed()
    t = np.random.uniform()
    sleep(t)
    print(i, t)
    return i, t

def lineup(who_when):
    """Aggregate"""
    order = []
    for who, when in who_when:
        print(f'who: {who}')
        order.append(who)
    return order

使用IMAP_UNORDERED，我们看到收集/减少在所有依赖项完成之前尽快开始。

n = 5
pool = Pool(processes=n)
lineup(pool.imap_unordered(wait, range(n)))

# Produces something like the following

2 0.2837069069881948
4 0.44156753704276597
who: 2
who: 4
1 0.5563172244950703
0 0.6696008076879393
who: 1
who: 0
3 0.9911326214345308
who: 3
[2, 4, 1, 0, 3]

按照我习惯的方式使用dask.delayed，结果类似于map()，一旦所有依赖项都可用，收集就开始了。该顺序是静态的。

n = 5
order = delayed(lineup)([delayed(wait)(i) for i in range(n)])
order.compute()

# produces something like:

0 0.2792789023871932
2 0.44570072028850705
4 0.6969597596416385
1 0.766705306208266
3 0.9889956337687371
who: 0
who: 1
who: 2
who: 3
who: 4
[0, 1, 2, 3, 4]

DASK中是否有IMAP_UNORDERED等效项？也许是使用dask.Bag的东西？

推荐答案

是。您可能正在寻找Dask Futures interface的as_completed函数。

在Handling Evolving Workflows

上有一个DASK示例

为方便起见，我将在此处复制AS_Complete的文档字符串

已完成

按期货的完成顺序返回

这将返回一个迭代器，该迭代器按照输入的未来对象完成的顺序生成这些对象。无论顺序如何，在迭代器上调用Next将一直阻止，直到下一个将来完成。

此外，您还可以在使用.Add方法进行计算期间向此对象添加更多未来

参数

期货：期货集合要按完成顺序迭代的Future对象的列表

WITH_RESULTS：Bool(False)是否等待并同时包含期货的结果；在这种情况下，as_Complete将生成(Future，Result)的元组

RAISE_ERROR：布尔值(True)当将来的结果引发异常时是否应引发异常；仅在WITH_RESULTS=True时影响行为。

示例

>>> x, y, z = client.map(inc, [1, 2, 3])  # doctest: +SKIP
>>> for future in as_completed([x, y, z]):  # doctest: +SKIP
...     print(future.result())  # doctest: +SKIP
3
2
4

在计算过程中添加更多期货

>>> x, y, z = client.map(inc, [1, 2, 3])  # doctest: +SKIP
>>> ac = as_completed([x, y, z])  # doctest: +SKIP
>>> for future in ac:  # doctest: +SKIP
...     print(future.result())  # doctest: +SKIP
...     if random.random() < 0.5:  # doctest: +SKIP
...         ac.add(c.submit(double, future))  # doctest: +SKIP
4
2
8
3
6
12
24

也可以选择等待，直到收集到结果

>>> ac = as_completed([x, y, z], with_results=True)  # doctest: +SKIP
>>> for future, result in ac:  # doctest: +SKIP
...     print(result)  # doctest: +SKIP
2
4
3

这篇关于在DASK中，有没有一种方法可以在依赖项变得可用时对其进行处理，就像在多进程.imap_unordered中一样？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！