我正在尝试使用PyTables和multiprocessing读取一堆HDF5文件(“一堆”意味着N> 1000个文件)。基本上,我创建了一个类来读取和存储我的数据到RAM中;在顺序模式下它可以完美地工作,我想并行化以获得更好的性能。
目前我尝试了一个简单的方法,为我的类创建了一个新的方法flatten()来并行化文件读取。以下示例是我要做的简化示例。listf是包含要读取的文件名称的字符串列表,nx和ny是我想从文件中读取的数组的大小:
我尝试了不同的方法(包括像在这个简单的例子中一样使用
我没有使用ctypes数组,因为我不需要共享数组(我只想检索我的数据),并且在检索数据之后,我想用NumPy进行操作。
任何思路、提示或帮助都将不胜感激! 编辑:我得到的完整错误如下:
目前我尝试了一个简单的方法,为我的类创建了一个新的方法flatten()来并行化文件读取。以下示例是我要做的简化示例。listf是包含要读取的文件名称的字符串列表,nx和ny是我想从文件中读取的数组的大小:
import numpy as np
import multiprocessing as mp
import tables
class data:
def __init__(self, listf, nx, ny, nproc=0):
self.listinc = []
for i in range(len(listf)):
self.listinc.append((listf[i], nx, ny))
def __del__(self):
del self.listinc
def get_dsets(self, tuple_inc):
listf, nx, ny = tuple_inc
x = np.zeros((nx, ny))
f = tables.openFile(listf)
x = np.transpose(f.root.x[:ny,:nx])
f.close()
return(x)
def flatten(self):
nproc = mp.cpu_count()*2
def worker(tasks, results):
for i, x in iter(tasks.get, 'STOP'):
print i, x
results.put(i, self.get_dsets(x))
tasks = mp.Queue()
results = mp.Queue()
manager = mp.Manager()
lx = manager.list()
for i, out in enumerate(self.listinc):
tasks.put((i, out))
for i in range(nproc):
mp.Process(target=worker, args=(tasks, results)).start()
for i in range(len(self.listinc)):
j, res = results.get()
lx.append(res)
for i in range(nproc):
tasks.put('STOP')
我尝试了不同的方法(包括像在这个简单的例子中一样使用
manager
来检索数据),但我总是得到一个TypeError: an integer is required
。我没有使用ctypes数组,因为我不需要共享数组(我只想检索我的数据),并且在检索数据之后,我想用NumPy进行操作。
任何思路、提示或帮助都将不胜感激! 编辑:我得到的完整错误如下:
Process Process-341:
Traceback (most recent call last):
File "/usr/lib/python2.7/multiprocessing/process.py", line 258, in _bootstrap
self.run()
File "/usr/lib/python2.7/multiprocessing/process.py", line 114, in run
self._target(*self._args, **self._kwargs)
File "/home/toto/test/rd_para.py", line 81, in worker
results.put(i, self.get_dsets(x))
File "/usr/lib/python2.7/multiprocessing/queues.py", line 101, in put
if not self._sem.acquire(block, timeout):
TypeError: an integer is required
print i, x
行中打印i
的类型(不幸的是,您没有向我们展示打印语句的输出)? - user707650iter
文档时,我发现另一个问题:如果tasks.get()
返回值等于sentinel('STOP'
),则iter
会停止,但是您的for循环显示您期望tasks.get()
返回2个值(i,x
),而不是单个字符串。因此,除非我误解了,'STOP'
将永远不会等于tasks.get()
中的任何内容,导致iter
无限进行(并可能在最后引起糟糕的结果)。 - user707650'STOP'
之前,我的输出符合我的期望(整数i
以及包含listf[i]
(对应要读取的文件的字符串)和两个整数nx
和ny
的列表)。我没有考虑到您提到的关于iter
的问题;我会尽快尝试进行修正!谢谢。 - MBRresults
给我的内容,它会失败,所以我猜问题是由于results.put()
引起的。顺便说一下,我检查了i
的类型是int
。 - MBR