Použití procesů a vláken

Parallel Programming with Dask in Python

James Fulton

Climate Informatics Researcher

Výchozí plánovač Dasku

Vlákna

Dask arrays
Dask DataFrames
Zpožděné pipeline vytvořené pomocí dask.delayed()

Procesy

Dask bags

Výběr plánovače

# Use default
result = x.compute()

result = dask.compute(x)


# Use threads
result = x.compute(scheduler='threads')

result = dask.compute(x, scheduler='threads')


# Use processes
result = x.compute(scheduler='processes')

result = dask.compute(x, scheduler='processes')

Rekapitulace – vlákna vs. procesy

Vlákna

Rychlé spuštění
Není třeba přenášet data
Omezena GIL – v daný okamžik může kód číst pouze jedno vlákno

Procesy

Pomalé spuštění
Pomalý přenos dat
Každý má vlastní GIL – nemusí se střídat při čtení kódu

Vytvoření lokálního clusteru

from dask.distributed import LocalCluster

cluster = LocalCluster(
    processes=True, 
    n_workers=2,
    threads_per_worker=2
)

print(cluster)

LocalCluster(..., workers=2, threads=4, memory=31.38 GiB)

Vytvoření lokálního clusteru

from dask.distributed import LocalCluster

cluster = LocalCluster(
    processes=False, 
    n_workers=2,
    threads_per_worker=2
)

print(cluster)

LocalCluster(..., workers=2, threads=4, memory=31.38 GiB)

Jednoduchý lokální cluster

cluster = LocalCluster(processes=True)

print(cluster)

LocalCluster(..., workers=4 threads=8, memory=31.38 GiB)

cluster = LocalCluster(processes=False)

print(cluster)

LocalCluster(..., workers=1 threads=8, memory=31.38 GiB)

Vytvoření klienta

from dask.distributed import Client, LocalCluster
cluster = LocalCluster(
    processes=True, 
    n_workers=4,
    threads_per_worker=2
)

client = Client(cluster)
print(client)

<Client: 'tcp://127.0.0.1:61391' processes=4 threads=8, memory=31.38 GiB>

Snadné vytvoření klienta

Vytvoření clusteru a jeho předání klientovi

cluster = LocalCluster(
    processes=True, 
    n_workers=4,
    threads_per_worker=2
)

client = Client(cluster)

print(client)

<Client: ... processes=4 threads=8, ...>

Vytvoření klienta, který si vytvoří vlastní cluster

client = Client(
    processes=True, 
    n_workers=4,
    threads_per_worker=2
)



print(client)

<Client: ... processes=4 threads=8, ...>

Použití clusteru

client = Client(processes=True)

# Default uses the client
result = x.compute()


# Can still change to other schedulers
result = x.compute(scheduler='threads')


# Can explicitly use client
result = client.compute(x)

Další typy clusterů

LocalCluster() – cluster na vašem počítači.
Ostatní typy clusterů rozdělují výpočty mezi různé počítače

Pojďme si procvičit!

Parallel Programming with Dask in Python