背景

ある測定データ(csv)のグラフをPDFで保存したかった。
データ数が多く(1000データ)なると時間がたくさん(8minほど)かかってしまったので改善しようと思った。

目的

大量のPDFの保存を高速かつ、動作時にPCが固まらないようにしたい。

手法

pythonを用いて主に以下のことをした。

全測定データ(csv)を参照
全測定データを配列に保存
全測定条件データを読み込み
ひとデータごとに全データでループ ← これを高速化
1. 測定データ・測定条件を受け取り（引数が複数）
2. matplotで描写
3. PDFで保存

そのまま

pythonで普通にfor loop

Treading

諸事情で実装経験があったのでやってみた
→こいつは１コアしか使えないので速度は大きく変わらない模様。
それでも4minも変わるのは意外

multiprocessing.Process

並列処理したい関数に引数が複数あるので、Processを利用した。
しかしいくらggってもスレッド数の制限方法が分からず、それは実装できなかった。
そのせいで、実行すると1000個の並列処理をするのでPCがカクカクになってしまった。

multiprocessing.Pool

引数は1つしか持てないが、スレッド数を簡単に指定できる。
以下のような関数をカマス事で複数引数にも対応できた。

def wrapper(self, args):
	return self.f(*args)

コーディング

multiprocessingのコーディングは以下のようにやればOK。
コーディングの仕方だけがわかる最小構成（並列化の意味はない）ものです。
詳細はこの記事などが参考になります。
Pythonの並列処理・並行処理をしっかり調べてみた - Qiita

from multiprocessing import Process, Pool
import multiprocessing

def f(a, b): # 並列処理する関数
    print(a, end=",") # 動作確認だけなのでシンプルに

def wrapper(args):  # Poolは引数を1つしか取れないので、これをかまして展開する。
    f(*args)

def main():
    # Processによる並列処理(複数引数：o, プロセス数指定：x)
    print('Process')
    p_list = []
    for i in range(20):
        p = Process(
            target=f,
            kwargs={'a': i, 'b': 0})
        p.start()  # 開始
        p_list.append(p)

    for p in p_list:
        p.join()  # 終了を待つ

    # Poolによる並列処理(複数引数：x, プロセス数指定：o)
    print('\nPool')
    p = Pool(multiprocessing.cpu_count())  # CPUの数の分並列処理
    values = []

    for i in range(20):
        values.append((i, 0))
    p.map(wrapper, values)  # 単数引数を複数に展開する

if __name__ == "__main__":
    main()

結果

Process
0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,
Pool
6,0,8,14,2,10,16,3,11,17,5,13,18,1,9,15,4,12,19,7,

結論

動作時間

以下のような順位になりました。

multiprocessing（Poolによりスレッド数をPCのコア数に制限）
1min 50sec
multiprocessing（スレッド数の制限なし）
4min 30sec程度
threading
5min 41sec
並列化なし（pythonによる自動並列？のみ）
9min 33sec

※試行錯誤の過程のメモなので、同等の条件で測定していない場合があります。目安程度に。

考察

1.と2.の比較をします。
1.は８個ずつ順に処理を進める事になります。

2.は全処理（今回は1000の処理）を同時並行で行う事になります。

2.の方が早くなるはずではないのか？
実は、CPUは原理的に並列処理が不可能。
並列処理思われているものは、実は代わる代わるやることを変えているだけ。
例えば処理１、２、３の並列処理は
処理１（1μs実行）→処理２（1μs実行）→処理３（1μs実行）→処理１（さっきの続きから1μs実行）→・・・
というように並列に見せかけているだけである。
よって
処理１（終わるまで実行）→処理２（終わるまで実行）→処理３（終わるまで実行）
としても原理的には時間は変わらない。（こともある）
ただ、コア数（CPUの数）の分だけは並列処理が出来るので、それまでは処理が早くなる。
なぜ早くなったのか？
メモリが豊富に使えるようになったから？
2.では1000の処理をやっているのでメモリがカツカツになってしまう。
そこが改善されたからではないか？