멀티프로세싱
DB CAFE
thumb_up 추천메뉴 바로가기
- DBA { Oracle DBA 명령어 > DBA 초급 과정 > DBA 고급 과정 }
- 튜닝 { 오라클 튜닝 목록 }
- 모델링 { 데이터 모델링 가이드 }
1 파이썬 멀티프로세싱[편집]
attach_file - 주요 사항
- multiprocessing 모듈 이용 멀티프로세싱 수행.
- multiprocessing 은 threading 모듈과 유사한 API를 사용하여 프로세스 스포닝(spawning)을 지원하는 패키지임.
- multiprocessing 패키지는 지역과 원격 동시성을 모두 제공하며 스레드 대신 서브 프로세스를 사용하여 전역 인터프리터 록 을 효과적으로 피합니다. 이것 때문에, multiprocessing 모듈은 프로그래머가 주어진 기계에서 다중 프로세서를 최대한 활용할 수 있게 합니다.
- 유닉스와 윈도우에서 모두 실행.
2 Python multiprocessing 모듈 사용법[편집]
alarm - 사용 방법
- 파이썬에서 multiprocessing 모둘을 불러온다.(멀티프로세싱 모듈은 pip를 통해 따로 설치해 줄 필요 없음)
- pool 객체를 생성
- 이 객체는 여러 입력 값에 걸쳐 함수의 실행을 병렬 처리하고 입력 데이터를 프로세스에 분산시키는 편리한 방법을 제공합니다(데이터 병렬 처리)
- pool 객체를 공식 문서 설명
- pool 객체를 이용해 멀티프로세싱을 할 수 있게 객체를 생성해준다.
- pool(코어 갯수) 로 만들 수 있다.
- pool 객체를 공식 문서 설명
- 이 객체는 여러 입력 값에 걸쳐 함수의 실행을 병렬 처리하고 입력 데이터를 프로세스에 분산시키는 편리한 방법을 제공합니다(데이터 병렬 처리)
- pool 객체에 작업을 매핑해준다.
- pool.map(함수, (인풋 데이터)) 형식으로 작업을 매핑해준다.
- 코어 갯수로 나누어 작업을 처리하게 된다.
- 실행
- 객체를 생성한 뒤, 실제로 속도가 빨라지는지 한번 확인해본다.
3 예제[편집]
attach_file 다음 코드는 2017년부터 특정 가격(전일종가 -1%) 에 해당되는 주식 종목을 검색하여, 당일 종가기준 수익률이 얼마나 되는지 검색하는 코드이다.
작동 플로우는 일봉데이터DB에서 쿼리 → 조건에 맞는지 확인 → 조건 충족하는 데이터를 수합하여 히스토그램으로 시현 순으로 작동된다.
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import sqlite3
import multiprocessing as mp
import time
class get_pattern():
def __init__(self, stock_code_list):
self.db = sqlite3.connect("stock_price(day).db")
self.stock_code_list = stock_code_list
### Query data
def query_data(self, code):
## Pass ETN
if code[0] == 'Q':
pass
cursor = self.db.cursor()
data = cursor.execute("SELECT * FROM %s WHERE date > 20170101" %code)
cols = [column[0] for column in data.description]
query_data = pd.DataFrame.from_records(data=data.fetchall(), columns=cols)
return query_data
### Search Pattern
def get_pattern(self, queried_data):
queried_data['close_D-1'] = queried_data['close'].shift(1) * 0.99
queried_data['Pattern_Today'] = (queried_data['low'] < queried_data['close_D-1']) & (queried_data['volume'] * queried_data['close'] > 10000000000)
queried_data['Profit'] = (queried_data['close'] / queried_data['close_D-1'] - 1) * 100
return queried_data['Profit'][queried_data['Pattern_Today'] == True]
## run
def run(self):
filtered_profit = pd.Series()
for code in self.stock_code_list:
history_data = self.query_data(code)
filtered_data = self.get_pattern(history_data)
filtered_profit = pd.concat([filtered_profit, filtered_data])
return filtered_profit
# Multiprocessing
def multi_run(code_list):
get_p = get_pattern(code_list)
profit = get_p.run()
return profit
# parallelize dataframe
def parallelize_dataframe(df, func, cores):
list_split = np.array_split(df, cores)
pool = mp.Pool(num_cores) ## pool 객체 생성
parallelized_df = pd.concat(pool.map(func, list_split)) ## 멀티프로세싱 후 데이터프레임 합체
pool.close()
pool.join()
return parallelized_df
if __name__ == '__main__':
# import stock_code_list
stock_code_list = pd.read_hdf('code_list.h5')
# 내 PC의 cpu 코어 갯수를 확인한다.
print(mp.cpu_count())
### (1) 멀티프로세싱으로 작동
### 멀티프로세싱 (코어 갯수 : 8)
###
start = time.time() # 시작 시간
total_profit = parallelize_dataframe(stock_code_list, multi_run, mp.cpu_count()) # storing result
print("time :", time.time() - start) # 현재시각 - 시작시간 = 실행 시간
plt.hist(total_profit, bins=60, range=(-30, 30))
plt.show()
### (2) 시간 비교를 위해 단일 프로세싱으로 작동
### 단일 프로세스로 작동
###
start = time.time() # 시작 시간
get_p = get_pattern(code_list)
total_profit = get_p.run()
print("time :", time.time() - start) # 현재시각 - 시작시간 = 실행 시간
plt.hist(total_profit, bins=60, range=(-30, 30))
plt.show()- 다음 예제에서는 parallelize_dataframe 함수에서 멀티프로세싱을 수행한다.
- 결과 데이터의 사이즈는 88460행이다.
- 코드를 작동해서 확인해 볼 수는 없으나, 실질적으로 쿼리되는 데이터의 양은 약 25만 행으로 추정한다.
(추출 근거는 17년 1월 1일부터 영업일(약 900일) * 검색종목수(테이블 수 2981개)를 근사치로 설정하여 25만행으로 산출하였다.)
실행을 해보니 결과는 다음과 같았다.
단일 프로세싱 time : 30.910 2코어 멀티 프로세싱 time : 15.925 4코어 멀티 프로세싱 time : 11.130 8코어 멀티 프로세싱 time : 10.087
- 속도의 변화만 보기 위해 평균치는 내지 않았다.
시간 차이가 작동때마다 차이가 발생할 수 있음.
- 8코어는 실제코어가 8코어가 아니고, 하이퍼쓰레딩이 적용되어있어 8개로 인식한다. 실제 코어 수는 4개이다.
우리는 이 테스트 코드를 통해 다음과 같은 결과를 도출해 낼 수 있다.
- 2개의 코어로 분산만 해줘도 속도 개선이 확연히 개선되었다.
- 코어를 n배한다고 해서 정확히 속도가 1/n배로는 개선되지 않는다.
따라서 적당한 코어 갯수 설정을 통한 멀티프로세싱을 하면, 데이터 분석 속도를 가시적으로 개선해 볼 수 있을 것이다.