如何在ipython并行处理中得到中间结果？

Question

我的工作是处理大量的xml；为了获得更快的结果，我希望使用ipython的并行处理；下面是我的示例代码。在这里，我只是找到了带有celementTree模块的xml/xsd的元素数。在

>>> from IPython.parallel import Client
>>> import os
>>> c = Client()
>>> c.ids
>>> lview = c.load_balanced_view()
>>> lview.block =True
>>> def return_len(xml_filepath):
        import xml.etree.cElementTree as cElementTree
        tree = cElementTree.parse(xml_filepath)
        my_count=0
        file_result=[]
        cdict={}
        for elem in tree.getiterator():
            cdict[my_count]={}
            if elem.tag:
                cdict[my_count]['tag']=elem.tag
            if elem.text:
                cdict[my_count]['text']=(elem.text).strip()
            if elem.attrib.items():
                cdict[my_count]['xmlattb']={}
                for key, value in elem.attrib.items():
                    cdict[my_count]['xmlattb'][key]=value
            if list(elem):
                cdict[my_count]['xmlinfo']=len(list(elem))
            if elem.tail:
                cdict[my_count]['tail']=elem.tail.strip()
            my_count+=1
        output=xml_filepath.split('\\')[-1],len(cdict)
        return output
        ## return cdict
>>> def get_dir_list(target_dir, *extensions):
        """
        This function will filter out the files from given dir based on their extensions
        """
        my_paths=[]
        for top, dirs, files in os.walk(target_dir):
            for nm in files:
                fileStats = os.stat(os.path.join(top, nm))
                if nm.split('.')[-1] in extensions:
                    my_paths.append(top+'\\'+nm)
        return my_paths
>>> r=lview.map_async(return_len,get_dir_list('C:\\test_folder','xsd','xml'))

为了得到最后的结果，我必须这样做 >>> r.get()这样，当进程完成时，我将得到结果

我的问题是，我是否能够在完成中间结果的同时获得中间结果；
例如，如果我将我的工作应用于包含1000个xmls/xsds文件的文件夹，那么当处理完特定文件时，我能立即得到结果吗。like1st file is done--> show its result... 2nd file is done---> show its result........ 1000th file is done--> show its result不像上面的当前工作；wait till final file get finished那么它将显示所有1000个文件的完整结果。
为了处理导入/名称空间错误，我在return_len函数中定义了import；有没有更好的方法来处理这个问题？在

Answer 1

当然可以。AsyncMapResult（map_async返回的类型）立即可读取， 迭代生成的项与r.get()最终生成的列表相同。所以在你做了之后：

amr = lview.map_async(return_len, get_dir_list('C:\\test_folder','xsd','xml'))

您可以：

^{pr2}$

或者使用enumerate保存索引

for i,r in enumerate(amr):
    print i, r 

或者使用reduce内置函数执行缩减：

summary_result = reduce(myfunc, amr)

当结果到达时，所有这些都将在结果中迭代。如果您不关心排序，并且每个任务的时间都有很大的变化，您可以通过map_async(...,ordered=False)。如果您这样做，当您迭代AMR时，您将以先到先得的方式获得单个结果，而不是保留提交顺序。在

还有更多信息in the ipython docs。在

also to deal with import/namespace error i have defined import inside of return_len function; is there any better way to deal with that?

是和否。有几种方法可以设置引擎名称空间，例如使用模块、@parallel.require("module")装饰器，或者简单地使用%px import xml.etree.cElementTree as cElementTree显式执行导入，每种方法在某些情况下都有好处。但我经常发现在函数中添加导入是最简单的方法，而且意外最少。在