使用多处理时避免重新编译 numba 代码

Question

我一直在使用 numba 进行多处理。

唯一的问题 - numba 会分别重新编译每个进程的代码。

（当进程数等于物理CPU数时，问题不大， 但如果不是这种情况，那就是一个巨大的！）

有没有办法让numba编译一次代码， 然后跨进程边界共享编译的工件？

例子-

from multiprocessing import Process
from time import time, sleep
from numba import njit


@njit
def child():
    pass


if __name__ == "__main__":
    ps = [Process(target=child) for _ in range(100)]
    for p in ps:
        p.start()
    s = time()
    for p in ps:
        p.join()
    print("compile time:", time() - s)

compile time: 19.10037922859192

CPU 使用率在所有内核上固定为 100%。 我试过 numba 的 cache=True，但不幸的是我的代码无法缓存。

/Users/dev/PycharmProjects/trading/tradingdo/strategy.py:91: NumbaWarning: Cannot cache compiled function "_strategy1" as it uses dynamic globals (such as ctypes pointers and large global arrays)
  @njit

Answer 1

在支持 fork() 的系统上 (Linux)，这很容易 -

在启动进程之前只需编译一次函数 - 这将使 numba 缓存编译器输出，就像它通常那样。

但是由于 fork 的写时复制魔法，缓存会自动与子进程共享！

不清楚的是如何在没有适当fork() 支持的系统上执行此操作。 numba的缓存可以腌制吗？

from multiprocessing import Process
from time import time, sleep
from numba import njit


@njit
def child():
    pass


if __name__ == "__main__":
    child() # this will do it

    ps = [Process(target=child) for _ in range(100)]
    for p in ps:
        p.start()
    s = time()
    for p in ps:
        p.join()
    print("compile time:", time() - s)

compile time: 0.011722326278686523

numba 的nogil 也值得一看。这可以消除对进程的需要，并且线程共享 numba 编译缓存就好了