Python實現(xiàn)簡單多線程任務隊列

更新時間：2016年02月27日 10:44:35 投稿：hebedich

本文給大家介紹的是使用很簡單的代碼實現(xiàn)的多線程任務隊列，給大家一個思路，希望對大家學習python能夠有所幫助

最近我在用梯度下降算法繪制神經(jīng)網(wǎng)絡的數(shù)據(jù)時，遇到了一些算法性能的問題。梯度下降算法的代碼如下（偽代碼）：

def gradient_descent():
  # the gradient descent code
  plotly.write(X, Y)

一般來說，當網(wǎng)絡請求 plot.ly 繪圖時會阻塞等待返回，于是也會影響到其他的梯度下降函數(shù)的執(zhí)行速度。

一種解決辦法是每調(diào)用一次 plotly.write 函數(shù)就開啟一個新的線程，但是這種方法感覺不是很好。我不想用一個像 cerely（一種分布式任務隊列）一樣大而全的任務隊列框架，因為框架對于我的這點需求來說太重了，并且我的繪圖也并不需要 redis 來持久化數(shù)據(jù)。

那用什么辦法解決呢？我在 python 中寫了一個很小的任務隊列，它可以在一個單獨的線程中調(diào)用 plotly.write函數(shù)。下面是程序代碼。

from threading import Thread
import Queue 
import time

class TaskQueue(Queue.Queue):

首先我們繼承 Queue.Queue 類。從 Queue.Queue 類可以繼承 get 和 put 方法，以及隊列的行為。

def __init__(self, num_workers=1):
  Queue.Queue.__init__(self)
  self.num_workers = num_workers
  self.start_workers()

初始化的時候，我們可以不用考慮工作線程的數(shù)量。

def add_task(self, task, *args, **kwargs):
  args = args or ()
  kwargs = kwargs or {}
  self.put((task, args, kwargs))

我們把 task, args, kwargs 以元組的形式存儲在隊列中。*args 可以傳遞數(shù)量不等的參數(shù)，**kwargs 可以傳遞命名參數(shù)。

def start_workers(self):
  for i in range(self.num_workers):
    t = Thread(target=self.worker)
    t.daemon = True
    t.start()

我們?yōu)槊總€ worker 創(chuàng)建一個線程，然后在后臺刪除。

下面是 worker 函數(shù)的代碼：

def worker(self):
  while True:
    tupl = self.get()
    item, args, kwargs = self.get()
    item(*args, **kwargs) 
    self.task_done()

worker 函數(shù)獲取隊列頂端的任務，并根據(jù)輸入?yún)?shù)運行，除此之外，沒有其他的功能。下面是隊列的代碼：

我們可以通過下面的代碼測試：

def blokkah(*args, **kwargs):
  time.sleep(5)
  print “Blokkah mofo!”

q = TaskQueue(num_workers=5)

for item in range(1):
  q.add_task(blokkah)

q.join() # wait for all the tasks to finish.

print “All done!”

Blokkah 是我們要做的任務名稱。隊列已經(jīng)緩存在內(nèi)存中，并且沒有執(zhí)行很多任務。下面的步驟是把主隊列當做單獨的進程來運行，這樣主程序退出以及執(zhí)行數(shù)據(jù)庫持久化時，隊列任務不會停止運行。但是這個例子很好地展示了如何從一個很簡單的小任務寫成像工作隊列這樣復雜的程序。

def gradient_descent():
  # the gradient descent code
  queue.add_task(plotly.write, x=X, y=Y)

修改之后，我的梯度下降算法工作效率似乎更高了。如果你很感興趣的話，可以參考下面的代碼。

from threading import Thread
import Queue
import time

class TaskQueue(Queue.Queue):

def __init__(self, num_workers=1):
Queue.Queue.__init__(self)
self.num_workers = num_workers
self.start_workers()

def add_task(self, task, *args, **kwargs):
args = args or ()
kwargs = kwargs or {}
self.put((task, args, kwargs))

def start_workers(self):
for i in range(self.num_workers):
t = Thread(target=self.worker)
t.daemon = True
t.start()

def worker(self):
while True:
tupl = self.get()
item, args, kwargs = self.get()
item(*args, **kwargs)
self.task_done()

def tests():
def blokkah(*args, **kwargs):
time.sleep(5)
print "Blokkah mofo!"

q = TaskQueue(num_workers=5)

for item in range(10):
q.add_task(blokkah)

q.join() # block until all tasks are done
print "All done!"

if __name__ == "__main__":
tests()

您可能感興趣的文章: