文档章节

使用Python处理地理数据文件-多进程处理类

JasonSE
 JasonSE
发布于 2016/05/14 20:32
字数 1032
阅读 160
收藏 7

最近在研究使用ArcGIS制作地图,ArcGIS软件本身提供了丰富完备的地图文件处理工具,但是这些工具都需要手工操作,非常耗费时间。幸好ArcGIS还提供了一套Python库(arcpy),可以基于这个库编写脚本进行数据文件批处理。一般在进行批处理的时候,使用多进程处理任务会加快处理速度,所以打算先封装一个多进程处理的基础类,便于后面写具体功能时使用。

思路大致是这样:

  • 先初始化一个任务队列
  • 将待处理的任务方法和参数打包添加到任务队列中
  • 启动一个固定大小的进程池循环从任务队列中领取任务包
  • 拿出任务包中的方法和参数执行任务

开始编写了一版,源码如下:

from multiprocessing import Manager,Pool
import os, logging, timeit, time

class BatchBase(object):
       
    def __init__(self):
        '''
        Constructor
        '''
        
        
    def __del__(self):
        '''
        Destructor
        '''
    
    ##消费者
    def __task_consumer(self,q):
        while not q.empty():
            try:
                task = q.get(block=True,timeout=2)
                
                function = task.get('function')
                callback = task.get('callback')
                args     = task.get('args')
                kwargs   = task.get('kwargs')
                name     = task.get('name')
                pid      = os.getpid()
                try:
                    print '%d start job %s [%s]!\n' % (pid,name,self.getNowTime())
                    if callback:
                        callback(function(*args, **kwargs))
                    else:
                        function(*args, **kwargs)
                    
                    print '%d complete job %s success [%s]!\n' % (pid,name,self.getNowTime())
                except Exception as ex:
                    if callback:
                        callback(ex)
                    print '%d complete job %s fail [%s]\n' % (pid,name,self.getNowTime())
                    print ex
                finally:
                    q.task_done()
            except Exception as ex:
                logging.error(ex)   
    
    def getNowTime(self):
        return time.strftime("%H:%M:%S",time.localtime(time.time()))
    
    ##初始化任务队列
    def batch_init(self):
        _manager = Manager()
        _queue   = _manager.Queue()
        return _queue
    
    ##加入job
    def batch_join(self, q, name, function, callback, *args, **kwargs):       
        q.put({
            'name': name,
            'function': function,
            'callback': callback,
            'args': args,
            'kwargs': kwargs
        }) 
        
    ##执行任务
    def batch_run(self,q,num_consumer):
        _start_time = timeit.default_timer()
        _pool       = Pool(processes = num_consumer)
        print 'pool initialized with %d workers!' % num_consumer
        for i in xrange(num_consumer):
            _pool.apply_async(self.__task_consumer,args=(q,))
            print 'worker %d started' % i
        
        print 'wait for all workers'
        _pool.close()
        _pool.join()
        print 'all jobs are completed!'
        print 'Elapsed Time: %s seconds' % (timeit.default_timer() - _start_time)


##测试代码...      

调试执行时直接Exception

PicklingError: Can't pickle <type 'instancemethod'>: attribute lookup __builtin__.instancemethod failed

查询了一下,这个错误大意是说“不能序列化实例方法”。

详细了解了下,问题出在进程池的apply_async方法上,这个方法传入的参数需要被序列化,而第一个参数是这个类实例的方法,不能被序列化

_pool.apply_async(self.__task_consumer,args=(q,))

这个问题从stackoverflow上找到一种解决办法,Python中有种机制,只要定义类型的时候,实现了__call__函数,这个类型就成为可调用的。所以在BatchBase类中实现__call__,在__call__中再调用__task_consumer,而后在进程池申请使用方法中将self作为参数传入,进程在执行时会通过__call__调用__task_consumer,从而达到“曲线救国”。

改进后的完整代码如下:

# -*- coding:utf-8 -*- 
##========================
'''
Created on 2016年5月14日
@author: Jason
'''
from multiprocessing import Manager,Pool
import os, logging, timeit, time

class BatchBase(object):
       
    def __init__(self):
        '''
        Constructor
        '''
        
        
    def __del__(self):
        '''
        Destructor
        '''
        
    def __call__(self,q):
        return self.__task_consumer(q)
    
    ##消费者
    def __task_consumer(self,q):
        while not q.empty():
            try:
                task = q.get(block=True,timeout=2)
                
                function = task.get('function')
                callback = task.get('callback')
                args     = task.get('args')
                kwargs   = task.get('kwargs')
                name     = task.get('name')
                pid      = os.getpid()
                try:
                    print '%d start job %s [%s]!\n' % (pid,name,self.getNowTime())
                    if callback:
                        callback(function(*args, **kwargs))
                    else:
                        function(*args, **kwargs)
                    
                    print '%d complete job %s success [%s]!\n' % (pid,name,self.getNowTime())
                except Exception as ex:
                    if callback:
                        callback(ex)
                    print '%d complete job %s fail [%s]\n' % (pid,name,self.getNowTime())
                    print ex
                finally:
                    q.task_done()
            except Exception as ex:
                logging.error(ex)   
    
    def getNowTime(self):
        return time.strftime("%H:%M:%S",time.localtime(time.time()))
    
    ##初始化任务队列
    def batch_init(self):
        _manager = Manager()
        _queue   = _manager.Queue()
        return _queue
    
    ##加入job
    def batch_join(self, q, name, function, callback, *args, **kwargs):       
        q.put({
            'name': name,
            'function': function,
            'callback': callback,
            'args': args,
            'kwargs': kwargs
        }) 
        
    ##执行任务
    def batch_run(self,q,num_consumer):
        _start_time = timeit.default_timer()
        _pool       = Pool(processes = num_consumer)
        print 'pool initialized with %d workers!' % num_consumer
        for i in xrange(num_consumer):
            _pool.apply_async(self,args=(q,))
            print 'worker %d started' % i
        
        print 'wait for all workers'
        _pool.close()
        _pool.join()
        print 'all jobs are completed!'
        print 'Elapsed Time: %s seconds' % (timeit.default_timer() - _start_time)


##############for test##############################
def test_task(name):
    print 'Run task %s (%s)...' % (name, os.getpid())
    start_time = timeit.default_timer()
    time.sleep(3)
    end_time = timeit.default_timer()
    print 'Task %s runs %0.2f seconds.' % (name, (end_time - start_time))


if __name__=='__main__':

    #类实例
    batch = BatchBase()

    #初始化job队列
    jobs  = batch.batch_init()

    #循环加入job
    for i in range(4):
        batch.batch_join(jobs, str(i), test_task, None, str(i))

    #执行job(使用3个进程)
    batch.batch_run(jobs, 3)
    
    print '任务执行完成.'        

执行成功!

© 著作权归作者所有

共有 人打赏支持
JasonSE
粉丝 32
博文 56
码字总数 16154
作品 0
朝阳
程序员
私信 提问
三行Python代码,让数据预处理速度提高2到6倍

在 Python 中,我们可以找到原生的并行化运算指令。本文可以教你仅使用 3 行代码,大大加快数据预处理的速度。 Python 是机器学习领域内的首选编程语言,它易于使用,也有很多出色的库来帮助...

技术小能手
2018/10/08
0
0
有轻功:用3行代码让Python数据处理脚本获得4倍提速

Python是一门非常适合处理数据和自动化完成重复性工作的编程语言,我们在用数据训练机器学习模型之前,通常都需要对数据进行预处理,而Python就非常适合完成这项工作,比如需要重新调整几十万...

爱喵的程序员
2018/07/26
0
0
5本必读Python入门书籍,你都看过吗?(附福利)

今天技术学派为大家准备了5本Python入门书籍,除了书籍小编还整理了3个常用的资源网站分享给大家。 1.Python基础教程 《Python基础教程》是经典的Python入门教程书籍,本书层次鲜明,结构严谨...

Python燕大侠
2018/06/07
0
0
《Python分布式计算》 第3章 Python的并行计算 (Distributed Computing with Python)

序言 第1章 并行和分布式计算介绍 第2章 异步编程 第3章 Python的并行计算 第4章 Celery分布式应用 第5章 云平台部署Python 第6章 超级计算机群使用Python 第7章 测试和调试分布式应用 第8章...

seancheney
2017/10/13
0
0
python学习笔记 | Python中的线程与进程简介

近日,我开始对代码的各个部分进行计时,以了解我是否可以加快速度。 令我惊讶的是,我发现数据增强是最大的瓶颈。我使用的方法:旋转,翻转,缩放。依靠Numpy并在CPU上运行。Numpy在某些情况...

跨界的聚能
2018/05/25
0
0

没有更多内容

加载失败,请刷新页面

加载更多

mybaties中通用mapper的基本使用

使用Mybatis的开发者,大多数都会遇到一个问题,就是要写大量的SQL在xml文件中,除了特殊的业务逻辑SQL之外,还有大量结构类似的增删改查SQL。而且,当数据库表结构改动时,对应的所有SQL以及...

嘴角轻扬30
25分钟前
1
0
都996了,研发效能还是提不起来,关键在这里

上一篇我们介绍了研发效能提升目标及其度量方法。(本文是阿里“研发效能提升系列”的第2篇,第1篇“研发效能的定义和度量”敬请期待【下周三】的钉钉群直播:钉钉搜索群号 23192180) 研发效...

zhaowei121
25分钟前
2
0
阿里重磅开源首款自研科学计算引擎Mars,揭秘超大规模科学计算

日前,阿里巴巴正式对外发布了分布式科学计算引擎 Mars 的开源代码地址,开发者们可以在pypi上自主下载安装,或在Github上获取源代码并参与开发。 此前,早在2018年9月的杭州云栖大会上,阿里...

阿里云云栖社区
28分钟前
2
0
大牛是怎么思考设计SQL优化方案的?

在进行MySQL的优化之前,必须要了解的就是MySQL的查询过程,很多查询优化工作实际上就是遵循一些原则,让MySQL的优化器能够按照预想的合理方式运行而已。 图-MySQL查询过程 一、优化的哲学 ...

Java填坑路
36分钟前
1
0
docker1.7 Error: Path not specified 错误

在centos6.1上,用yum命令安装的docker版本是1.7 。在拷贝文件的时候报 Error: Path not specified错误。 错误消息“错误:路径未指定” 在docker1.8.0中已修复。 修复方法: 直接下载1.9.1...

applepaihs
37分钟前
4
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部