Multiprocessing: usa tqdm per visualizzare una barra di avanzamento

Per rendere il mio codice più "pitonico" e più veloce, utilizzo "multiprocessing" e una funzione map per inviarlo a) la funzione eb) l'intervallo di iterazioni.

La soluzione impiantata (ovvero, chiamare tqdm direttamente nell'intervallo tqdm.tqdm (intervallo (0, 30)) non funziona con il multiprocessing (come formulato nel codice seguente).

La barra di avanzamento viene visualizzata da 0 a 100% (quando Python legge il codice?) Ma non indica l'effettivo progresso della funzione mappa.

Come visualizzare una barra di avanzamento che indica in quale fase si trova la funzione "mappa"?

from multiprocessing import Pool
import tqdm
import time

def _foo(my_number):
   square = my_number * my_number
   time.sleep(1)
   return square 

if __name__ == '__main__':
   p = Pool(2)
   r = p.map(_foo, tqdm.tqdm(range(0, 30)))
   p.close()
   p.join()

Qualsiasi aiuto o suggerimento è il benvenuto ...

Usa imap invece di map, che restituisce un iteratore di valori elaborati.

from multiprocessing import Pool
import tqdm
import time

def _foo(my_number):
   square = my_number * my_number
   time.sleep(1)
   return square 

if __name__ == '__main__':
   with Pool(2) as p:
      r = list(tqdm.tqdm(p.imap(_foo, range(30)), total=30))

Soluzione trovata: fai attenzione! A causa del multiprocessing, il tempo di stima (iterazione per ciclo, tempo totale, ecc.) Potrebbe essere instabile, ma la barra di avanzamento funziona perfettamente.

Nota: Context manager per Pool è disponibile solo dalla versione 3.3 di Python

from multiprocessing import Pool
import time
from tqdm import *

def _foo(my_number):
   square = my_number * my_number
   time.sleep(1)
   return square 

if __name__ == '__main__':
    with Pool(processes=2) as p:
        max_ = 30
        with tqdm(total=max_) as pbar:
            for i, _ in enumerate(p.imap_unordered(_foo, range(0, max_))):
                pbar.update()

Puoi usare p_tqdminvece.

https://github.com/swansonk14/p_tqdm

from p_tqdm import p_map
import time

def _foo(my_number):
   square = my_number * my_number
   time.sleep(1)
   return square 

if __name__ == '__main__':
   r = p_map(_foo, list(range(0, 30)))

Ci scusiamo per il ritardo, ma se tutto ciò di cui hai bisogno è una mappa simultanea, l'ultima versione ( tqdm>=4.42.0) ora ha questo integrato:

from tqdm.contrib.concurrent import process_map  # or thread_map
import time

def _foo(my_number):
   square = my_number * my_number
   time.sleep(1)
   return square 

if __name__ == '__main__':
   r = process_map(_foo, range(0, 30), max_workers=2)

Riferimenti: https://tqdm.github.io/docs/contrib.concurrent/ e https://github.com/tqdm/tqdm/blob/master/examples/parallel_bars.py

sulla base della risposta di Xavi Martínez ho scritto la funzione imap_unordered_bar. Può essere utilizzato nello stesso modo imap_unorderedcon la sola differenza che viene mostrata una barra di elaborazione.

from multiprocessing import Pool
import time
from tqdm import *

def imap_unordered_bar(func, args, n_processes = 2):
    p = Pool(n_processes)
    res_list = []
    with tqdm(total = len(args)) as pbar:
        for i, res in tqdm(enumerate(p.imap_unordered(func, args))):
            pbar.update()
            res_list.append(res)
    pbar.close()
    p.close()
    p.join()
    return res_list

def _foo(my_number):
    square = my_number * my_number
    time.sleep(1)
    return square 

if __name__ == '__main__':
    result = imap_unordered_bar(_foo, range(5))

import multiprocessing as mp
import tqdm


some_iterable = ...

def some_func():
    # your logic
    ...


if __name__ == '__main__':
    with mp.Pool(mp.cpu_count()-2) as p:
        list(tqdm.tqdm(p.imap(some_func, iterable), total=len(iterable)))

Ecco la mia opinione per quando hai bisogno di ottenere risultati dalle tue funzioni di esecuzione parallela. Questa funzione fa alcune cose (c'è un altro mio post che lo spiega ulteriormente) ma il punto chiave è che c'è una coda di attività in sospeso e una coda di attività completate. Man mano che i lavoratori hanno terminato ogni attività nella coda in sospeso, aggiungono i risultati nella coda delle attività completate. È possibile includere il controllo nella coda delle attività completate con la barra di avanzamento tqdm. Non sto inserendo l'implementazione della funzione do_work () qui, non è rilevante, poiché il messaggio qui è per monitorare la coda delle attività completate e aggiornare la barra di avanzamento ogni volta che viene visualizzato un risultato.

def par_proc(job_list, num_cpus=None, verbose=False):

# Get the number of cores
if not num_cpus:
    num_cpus = psutil.cpu_count(logical=False)

print('* Parallel processing')
print('* Running on {} cores'.format(num_cpus))

# Set-up the queues for sending and receiving data to/from the workers
tasks_pending = mp.Queue()
tasks_completed = mp.Queue()

# Gather processes and results here
processes = []
results = []

# Count tasks
num_tasks = 0

# Add the tasks to the queue
for job in job_list:
    for task in job['tasks']:
        expanded_job = {}
        num_tasks = num_tasks + 1
        expanded_job.update({'func': pickle.dumps(job['func'])})
        expanded_job.update({'task': task})
        tasks_pending.put(expanded_job)

# Set the number of workers here
num_workers = min(num_cpus, num_tasks)

# We need as many sentinels as there are worker processes so that ALL processes exit when there is no more
# work left to be done.
for c in range(num_workers):
    tasks_pending.put(SENTINEL)

print('* Number of tasks: {}'.format(num_tasks))

# Set-up and start the workers
for c in range(num_workers):
    p = mp.Process(target=do_work, args=(tasks_pending, tasks_completed, verbose))
    p.name = 'worker' + str(c)
    processes.append(p)
    p.start()

# Gather the results
completed_tasks_counter = 0

with tqdm(total=num_tasks) as bar:
    while completed_tasks_counter < num_tasks:
        results.append(tasks_completed.get())
        completed_tasks_counter = completed_tasks_counter + 1
        bar.update(completed_tasks_counter)

for p in processes:
    p.join()

return results

Questo approccio è semplice e funziona.

from multiprocessing.pool import ThreadPool
import time
from tqdm import tqdm

def job():
    time.sleep(1)
    pbar.update()

pool = ThreadPool(5)
with tqdm(total=100) as pbar:
    for i in range(100):
        pool.apply_async(job)
    pool.close()
    pool.join()