Python: выполнять подпроцесс cat параллельно

Question

Я бегу несколько cat | zgrep Команды на удаленном сервере и сбор их выходных данных для дальнейшей обработки:

class MainProcessor(mp.Process):
    def __init__(self, peaks_array):
        super(MainProcessor, self).__init__()
        self.peaks_array = peaks_array

    def run(self):
        for peak_arr in self.peaks_array:
            peak_processor = PeakProcessor(peak_arr)
            peak_processor.start()

class PeakProcessor(mp.Process):
    def __init__(self, peak_arr):
        super(PeakProcessor, self).__init__()
        self.peak_arr = peak_arr

    def run(self):
        command = 'ssh remote_host cat files_to_process | zgrep --mmap "regex" '
        log_lines = (subprocess.check_output(command, shell=True)).split('\n')
        process_data(log_lines)

Это, однако, приводит к последовательному выполнению команд подпроцесса ('ssh ... cat ...'). Второй пик ждет первого до конца и так далее.

Как я могу изменить этот код так, чтобы вызовы подпроцесса выполнялись параллельно, и при этом была возможность собирать выходные данные для каждого из них в отдельности?

Answer 1

Другой подход (а не другое предложение о размещении процессов оболочки в фоновом режиме) заключается в использовании многопоточности.

run метод, который у вас есть, будет делать что-то вроде этого:

thread.start_new_thread ( myFuncThatDoesZGrep)

Чтобы собрать результаты, вы можете сделать что-то вроде этого:

class MyThread(threading.Thread):
   def run(self):
       self.finished = False
       # Your code to run the command here.
       blahBlah()
       # When finished....
       self.finished = True
       self.results = []

Запустите поток, как указано выше в ссылке на многопоточность. Когда ваш объект потока имеет myThread.finished == True, вы можете получить результаты через myThread.results.

Answer 2

Вам не нужно ни того, ни другого multiprocessing ни threading для параллельного запуска подпроцессов, например:

#!/usr/bin/env python
from subprocess import Popen

# run commands in parallel
processes = [Popen("echo {i:d}; sleep 2; echo {i:d}".format(i=i), shell=True)
             for i in range(5)]
# collect statuses
exitcodes = [p.wait() for p in processes]

он запускает 5 команд оболочки одновременно. Примечание: ни темы, ни multiprocessing модуль используется здесь. Нет смысла добавлять амперсанд & Команды оболочки: Popen не ждет завершения команды Вам нужно позвонить .wait() в явном виде.

Это удобно, но нет необходимости использовать потоки для сбора выходных данных из подпроцессов:

#!/usr/bin/env python
from multiprocessing.dummy import Pool # thread pool
from subprocess import Popen, PIPE, STDOUT

# run commands in parallel
processes = [Popen("echo {i:d}; sleep 2; echo {i:d}".format(i=i), shell=True,
                   stdin=PIPE, stdout=PIPE, stderr=STDOUT, close_fds=True)
             for i in range(5)]

# collect output in parallel
def get_lines(process):
    return process.communicate()[0].splitlines()

outputs = Pool(len(processes)).map(get_lines, processes)

Связанный: Python продвигает несколько подпроцессов bash?,

Вот пример кода, который получает выходные данные от нескольких подпроцессов одновременно в одном потоке:

#!/usr/bin/env python3
import asyncio
import sys
from asyncio.subprocess import PIPE, STDOUT

@asyncio.coroutine
def get_lines(shell_command):
    p = yield from asyncio.create_subprocess_shell(shell_command,
            stdin=PIPE, stdout=PIPE, stderr=STDOUT)
    return (yield from p.communicate())[0].splitlines()

if sys.platform.startswith('win'):
    loop = asyncio.ProactorEventLoop() # for subprocess' pipes on Windows
    asyncio.set_event_loop(loop)
else:
    loop = asyncio.get_event_loop()

# get commands output in parallel
coros = [get_lines('"{e}" -c "print({i:d}); import time; time.sleep({i:d})"'
                    .format(i=i, e=sys.executable)) for i in range(5)]
print(loop.run_until_complete(asyncio.gather(*coros)))
loop.close()