python多线程处理文件_python中调用多线程加速处理文件

问题背景是这样的，我有一批需要处理的文件，对于每一个文件，都需要调用同一个函数进行处理，相当耗时

有没有加速的办法呢？当然有啦，比如说你将这些文件分成若干批，每一个批次都调用自己写的python脚本进行处理，这样同时运行若干个python程序也可以进行加速

但是，有没有更简单的方法呢？比如说，我一个运行的一个程序里面，同时分为多个线程，然后进行处理？

实际上是有的

大概思路是这样，将这些个文件路径的list，分成若干个，至于分成多少，要看自己cpu核心有多少，比如你的cpu有32核的，理论上就可以加速32倍

直接上代码:

#-*-coding:utf-8-*-

importnumpy as npfrom glob importglobimportmathimportosimporttorchfrom tqdm importtqdmimportmultiprocessing

label_path= '/home/ying/data/shiyongjie/distortion_datasets/new_distortion_dataset/train/label.txt'file_path= '/home/ying/data/shiyongjie/distortion_datasets/new_distortion_dataset/train/distortion_image'save_path= '/home/ying/data/shiyongjie/distortion_datasets/new_distortion_dataset/train/flow_field'r_d_max= 128image_index=0

txt_file=open(label_path)

file_list=txt_file.readlines()

txt_file.close()

file_label={}for i infile_list:

i=i.split()

file_label[i[0]]= i[1]

r_d_max= 128eps= 1e-32H= 256W= 256

defgenerate_flow_field(image_list):for image_file_path in((image_list)):

pixel_flow= np.zeros(shape=tuple([256, 256, 2])) #按照pytorch中的grid来写

image_file_name =os.path.basename(image_file_path)#print(image_file_name)

k = float(file_label[image_file_name])*(-1)*1e-7

#print(k)

r_u_max = r_d_max/(1+k*r_d_max**2) #计算出畸变校正之后的对角线的理论长度

scale = r_u_max/128 #将这个长度压缩到256的尺寸，会有一个scale，实际上这里写128*sqrt(2)可能会更加直观

for i_u in range(256):for j_u in range(256):

x_u= float(i_u - 128)

y_u= float(128 -j_u)

theta=math.atan2(y_u, x_u)

r= math.sqrt(x_u ** 2 + y_u ** 2)

r= r * scale #实际上得到的r，即没有resize到256×256的图像尺寸size，并且带入公式中

r_d = (1.0 - math.sqrt(1 - 4.0 * k * r ** 2)) / (2 * k * r + eps) #对应在原图（畸变图）中的r

x_d = int(round(r_d *math.cos(theta)))

y_d= int(round(r_d *math.sin(theta)))

i_d= int(x_d + W / 2.0)

j_d= int(H / 2.0 -y_d)if i_d < W and i_d >= 0 and j_d < H and j_d >= 0: #只有求的的畸变点在原图中的时候才进行赋值

value1 = (i_d - 128.0)/128.0value2= (j_d - 128.0)/128.0pixel_flow[j_u, i_u, 0]= value1 #mesh中存储的是对应的r的比值，在进行畸变校正的时候，给定一张这样的图，进行找像素即可

pixel_flow[j_u, i_u, 1] =value2#保存成array格式

saved_image_file_path = os.path.join(save_path, image_file_name.split('.')[0] + '.npy')

pixel_flow= pixel_flow.astype('f2') #将数据的格式转换成float16类型， 节省空间

#print(saved_image_file_path)

#print(pixel_flow)

np.save(saved_image_file_path, pixel_flow)return

if __name__ == '__main__':

file_list= glob(file_path + '/*.JPEG')

m= 32n= int(math.ceil(len(file_list) / float(m))) #向上取整

result =[]

pool= multiprocessing.Pool(processes=m) #32进程

for i inrange(0, len(file_list), n):

result.append(pool.apply_async(generate_flow_field, (file_list[i: i+n],)))

pool.close()

pool.join()

在上面的代码中，我的函数

generate_flow_field(image_list)

需要传入一个list，然后对于这个list进行操作，之后对操作的结果进行保存

所以，只需要将你需要处理的多个文件，切分成尽量等大小的list，然后再对每一个list，开一个线程进行处理即可

看我上面的主函数

if __name__ == '__main__':

file_list= glob(file_path + '/*.JPEG') #将文件夹下所有的JPEG文件列成一个list

m = 32 #假设CPU有32个核心

n = int(math.ceil(len(file_list) / float(m))) #每一个核心需要处理的list的数目

result =[]

pool= multiprocessing.Pool(processes=m) #开32线程的线程池

for i inrange(0, len(file_list), n):

result.append(pool.apply_async(generate_flow_field, (file_list[i: i+n],))) #对每一个list都用上面我们定义的函数进行处理

pool.close() #处理结束之后，关闭线程池

pool.join()

主要是这样的两行代码，一行是

pool = multiprocessing.Pool(processes=m) #开32线程的线程池

用来开辟线程池

另外一行是

result.append(pool.apply_async(generate_flow_field, (file_list[i: i+n],))) #对每一个list都用上面我们定义的函数进行处理

对于线程池，用apply_async()同时跑generate_flow_field这个函数，传入的参数是：file_list[i: i+n]

实际上apply_async()这个函数的作用是所有的线程同时跑，速度是比较快的

怎么样，讲到这里，是不是学会如何使用pool.apply_async()来进行多线程加速了呢？