我有一个内部分布式计算库,我们经常用它来进行并行计算任务。在进程被分割后,它们运行数据加载和计算步骤,最后完成“保存”步骤。通常这涉及将数据写入数据库表中。
但是对于特定的任务,我需要每个进程的输出是一些数据图的.png文件。总共有95个进程,因此有95个.png文件。
在我的“保存”步骤中(在每个进程上执行),我有一些非常简单的代码,使用matplotlib的
然而,我偶尔会看到输出,其中似乎两个或更多组数据被写入了同一个输出文件,尽管名称是唯一的。
matplotlib是否在制作箱线图或保存图像时使用临时文件保存?如果是这样,它是否总是使用相同的临时文件名(从而导致覆盖冲突)?我已经使用
如何确保这是线程安全的?我绝对希望以并行方式进行文件保存,因为我希望大大扩展输出.png文件的数量,因此首先存储所有数据,然后仅串行执行绘图/保存部分的选项非常不可取。
我无法重现我们正在使用的完整并行基础设施,但下面是被调用以创建绘图句柄的函数,以及被调用以保存绘图的函数。为了问题的缘故,您应该假设线程安全与我们的分布式库无关。我们知道它不是来自我们的代码,我们已经使用它进行多处理作业多年,并且没有像这样的线程问题(特别是对于我们不直接控制的任何matplotlib的临时文件)。
但是对于特定的任务,我需要每个进程的输出是一些数据图的.png文件。总共有95个进程,因此有95个.png文件。
在我的“保存”步骤中(在每个进程上执行),我有一些非常简单的代码,使用matplotlib的
boxplot
函数制作箱线图和一些使用savefig
将其写入具有基于该过程中使用的特定数据的唯一名称的.png文件的代码。然而,我偶尔会看到输出,其中似乎两个或更多组数据被写入了同一个输出文件,尽管名称是唯一的。
matplotlib是否在制作箱线图或保存图像时使用临时文件保存?如果是这样,它是否总是使用相同的临时文件名(从而导致覆盖冲突)?我已经使用
strace
运行了我的进程,并没有看到任何明显的来自matplotlib的临时文件写入。如何确保这是线程安全的?我绝对希望以并行方式进行文件保存,因为我希望大大扩展输出.png文件的数量,因此首先存储所有数据,然后仅串行执行绘图/保存部分的选项非常不可取。
我无法重现我们正在使用的完整并行基础设施,但下面是被调用以创建绘图句柄的函数,以及被调用以保存绘图的函数。为了问题的缘故,您应该假设线程安全与我们的分布式库无关。我们知道它不是来自我们的代码,我们已经使用它进行多处理作业多年,并且没有像这样的线程问题(特别是对于我们不直接控制的任何matplotlib的临时文件)。
import pandas
import numpy as np
import matplotlib.pyplot as plt
def plot_category_data(betas, category_name):
"""
Function to organize beta data by date into vectors and pass to box plot
code for producing a single chart of multi-period box plots.
"""
beta_vector_list = []
yms = np.sort(betas.yearmonth.unique())
for ym in yms:
beta_vector_list.append(betas[betas.yearmonth==ym].Beta.values.flatten().tolist())
###
plot_output = plt.boxplot(beta_vector_list)
axs = plt.gcf().gca()
axs.set_xticklabels(betas.FactorDate.unique(), rotation=40, horizontalalignment='right')
axs.set_xlabel("Date")
axs.set_ylabel("Beta")
axs.set_title("%s Beta to BMI Global"%(category_name))
axs.set_ylim((-1.0, 3.0))
return plot_output
### End plot_category_data
def save(self):
"""
Make calls to store the plot to the desired output file.
"""
out_file = self.output_path + "%s.png"%(self.category_name)
fig = plt.gcf()
fig.set_figheight(6.5)
fig.set_figwidth(10)
fig.savefig(out_file, bbox_inches='tight', dpi=150)
print "Finished and stored output file %s"%(out_file)
return None
### End save
gcf()
和gca()
引用的是内存中最新的图表... 因此,不同的实例无法看到彼此在内存中的图形等内容。 - elygcf
应该只引用那个图表。我可以很容易地将其更改为给定特定的图形句柄,但我更担心的是它在事务的savefig
部分,除非有一些记录的理由认为gcf
使用临时文件,这些文件会在不同的进程之间被覆盖。 - ely