Python 并行分布式框架之 PP

PP （Parallel Python）是基于Python的一个轻量级的，提供在SMP（多处理器或者多核系统）或者集群环境中并行执行Python代码的机制。

最简单和最常见的并行方式是使用多线程，然而如果应用程序使用Python提供的线程库， 它实际上并不能并行的运行Python的字节码（Byte－Code）。这是因为Pyton解释器使用GIL（全局解释器锁），这样的机制是的在同一时间，即使是多核的机器，也只能运行一个字节码指令。PP试图克服这样的限制，提供一种更简单的方式来编写并行应用。PP采用了多进程和进程间通信来处理并发，并隐藏所有的实现细节，使得其容易使用。

功能介绍

• 并行运行Python代码（废话）

• 易于理解的基于任务（Job）的并行技术

• 自动检测优化配置

• 动态处理器分配

• 负载均衡

• 容错

• 自动发现和动态分配计算资源

• 基于SHA的网络连接认证

• 跨平台（Windows，Linux， Unix， Mac OS）和架构（X86，X86－64）支持

• 开源 （BSD）
  

安装

wget  
tar -xvf pp-1.6.4.tar.gz
cd pp-1.6.4
sudo python setup.py install

架构和设计

Server

PP server 包含并管理多个worker并行的执行客户端发送的任务

Client

客户端负责发送任务（Python Function）到服务器

Cluster

多个PP Server可以构成一个PP Cluster，在CLuster模式客户端提交任务到Cluster，cluster 找到合适的Server来运行任务。

使用方式

SMP

在SMP的模式下使用PP非常简单

import pp
＃ create a job serer
job_server = pp.Server()

# submit some jobs with python functions
f1 = job_server.submit(func1, args1, depfuncs1, modules1)
f2 = job_server.submit(func1, args2, depfuncs1, modules1)
f3 = job_server.submit(func2, args3, depfuncs2, modules2)

# Get result from each jobs
r1 = f1()
r2 = f2()
r3 = f3()

Cluster

在Cluster模式下，需要在不同的节点运行ppserver

node-1> ./ppserver.py
node-2> ./ppserver.py
node-3> ./ppserver.py

客户端代码和SMP模式类似

import pp

＃ create cluster
ppservers=("node-1", "node-2", "node-3")

＃ create a job serer
pp.Server(ppservers=ppservers) 

# submit some jobs with python functions
f1 = job_server.submit(func1, args1, depfuncs1, modules1)
f2 = job_server.submit(func1, args2, depfuncs1, modules1)
f3 = job_server.submit(func2, args3, depfuncs2, modules2)

# Get result from each jobs
r1 = f1()
r2 = f2()
r3 = f3()

总结

PP是一个轻量级的并行框架，代码不多，安装使用起来也比较简单，并行方式是多进程，但是缺乏对任务的封装，也缺少调度的功能。适合于构造简单的并行分布式系统。