python高性能_使用Python提供高性能计算服务

前言

python具有丰富的库，并且很容易作为胶水语言很容易与c/c++进行交互集成。

因此为了适应快速变化的业务和兼顾计算效率，在上层采用python作为server提供service，在底层采用c/c++进行计算是一种对于算法开发者非常适宜的方式。

python flask库提供http接口以及相关demo页面，gunicorn提供多核并行能力，底层c++库提供单线程上的计算。

下面通过一个例子说明这种架构。代码地址：python_hps

准备

在实验开始之前，需要安装flask、gunicorn、apach bench tool等工具。

注：所有实验均在linux系统中进行。测试机器为4核虚拟机。

sudo pip install flask

sudo pip install gunicorn

sudo apt-get install apache2-utils

计算

计算部分模拟真实计算，因此计算量比较大，在我测试的虚拟机上单核单线程跑400ms左右。

c++核心计算部分，随便写的：

API_DESCintfoo(constintval)

{

floatresult = 0.0f;

for(intc=0;c<1000;c++)

{

for(inti=0;i

{

result += (i);

result += sqrt((float)(i*i));

result += pow((float)(i*i*i),0.1f);

}

}

return(int)result;

}

python wrapper，采用ctypes：

#python wrapperoflibfoo

class FooWrapper:

def __init__(self):

cur_path = os.path.abspath(os.path.dirname(__file__))

self.module = ctypes.CDLL(os.path.join(cur_path,'./impl/libfoo.so'))

def foo(self,val):

self.module.foo.argtypes = (ctypes.c_int,)

self.module.foo.restype = ctypes.c_int

result = self.module.foo(val)

returnresult

flask http API：

@app.route('/api/foo',methods=['GET','POST'])

def handle_api_foo():

#get input

val = flask.request.json['val']

logging.info('[handle_api_foo] val: %d'% (val))

#do calc

result = fooWrapper.foo(val)

logging.info('[handle_api_foo] result: %d'% (result))

result = json.dumps({'result':result})

returnresult

单核服务

首先测试python单核服务，同时也是单线程服务(由于python GIL的存在，python多线程对于计算密集型任务几乎起反作用)。

启动服务

在script目录下执行run_single.sh，即

#!/bin/sh

#python

export PYTHONIOENCODING=utf-8

#start server

cd `pwd`/..

echo "run single pocess server"

python server.py

cd -

echo "server is started."

测试服务

另外打开一个终端，执行script目录下的bench.sh，即

#!/bin/sh

ab -T 'application/json'-p post.data -n 100 -c 10 http://127.0.0.1:4096/api/foo

测试结果

CPU运转

ab测试结果

可以看出CPU只用了1个核，负载是2.44 request/second。

多核

启动服务

在script目录下执行run_parallel.sh，即

#!/bin/sh

#python

export PYTHONIOENCODING=utf-8

#start server

cd `pwd`/..

echo "run parallel pocess server"

gunicorn -c gun.conf server:app

cd -

echo "server is started."

其中gun.conf是一个python脚本，配置了gunicorn的一些参数，如下：

import multiprocessing

bind = '0.0.0.0:4096'

workers = max(multiprocessing.cpu_count()*2+1,1)

backlog = 2048

worker_class = "sync"

debug = False

proc_name = 'foo_server'

测试服务

另外打开一个终端，执行script目录下的bench.sh，即

#!/bin/sh

ab -T 'application/json'-p post.data -n 100 -c 10 http://127.0.0.1:4096/api/foo

测试结果

CPU运转

ab测试结果

可以看出CPU用满了4个核，负载是8.56 request/second。是单核的3.5倍左右，可以任务基本达成多核有效利用的的目的。

总结

使用flask、gunicorn基本可以搭建一个用于调试或者不苛责过多性能的服务，用于算法服务提供非常方便。本文提供该方案的一个简单示例，实际业务中可基于此进行修改完善。

【编辑推荐】

【责任编辑：武晓燕 TEL：(010)68476606】

点赞 0