如何使计算循环易于拆分和恢复？

Question

我想为给定的计算问题在 0..99 中找到最优参数 i, j, k，我需要运行:

for i in range(100):
    for j in range(100):
        for k in range(100):
            dothejob(i, j, k)    # 1 second per computation

这总共需要 10^6 秒，即 11.5 天。

我开始时将工作分成 4 个进程（使用我的 4 核 CPU 计算机的 100% 计算能力）：

for i in range(100):
    if i % 4 != 0:      #  replace != 0 by 1, 2, or 3 for the parallel scripts #2, #3, #4
        continue
    for j in range(100):
        for k in range(100):
            dothejob(i, j, k)

        with open('done.log', 'a+') as f:    # log what has been done
            f.write("%i %i\n" % (i, j))

但我对这种方法有疑问：

我必须运行 python script.py，然后打开 script.py，将第 2 行替换为 if i % 4 != 1，然后运行 python script.py，然后打开 script.py，将第 2 行替换为 if i % 4 != 2，然后运行 python script.py，然后打开 script.py，将第 2 行替换为 if i % 4 != 3 ]，然后运行 python script.py。
假设循环中断（需要重新启动计算机、崩溃或其他任何情况等）。至少我们知道 done.log 中已经完成的所有 (i, j)（因此我们不需要再次从 0 开始），但是没有简单的方法可以恢复工作。（好的，我们可以打开 done.log，解析它，在重新启动循环时丢弃已经完成的 (i, j)

我正在为此寻找更好的解决方案（但是例如 map/reduce 对于这个小任务来说可能有点矫枉过正，而且在 Python 的几行代码中使用起来并不容易）。

问题：如何在 Python 中进行计算 for i in range(100): for j in range(100): for k in range(100): dothejob(i, j, k) 在多个进程之间轻松拆分并轻松恢复（例如重启后）？

Answer 1

只需使用进程池映射产品，示例：

import itertools as it
from multiprocessing import Pool
the_args = it.product(range(100), range(100), range(100))
pool = Pool(4)

def jobWrapper(args): #we need this to unpack the (i, j, k) tuple 
    return dothejob(*args)

res = pool.map(jobWrapper, the_args)

如果你想恢复它，从日志中知道 las (i, j, k)，只需跳过所有以前从 the_args:

计算的

the_args = it.product(range(100), range(100), range(100))
#skip previously computed 
while True:
    if next(the_args) == (i, j, k):
        break
...

作为 (i, j, k) 具有 las 计算值的元组。

如何使计算循环易于拆分和恢复？

How to make a computation loop easily splittable and resumable?

python

loops

computation

multiprocessing