使用教程¶

配置命令¶

这个教程将会演示如何搭建一个集群。

搭建一个PARL集群，可以通过执行下面的 xparl 命令：

xparl start --port 6006

这个命令会启动一个主节点（master）来管理集群的计算资源，同时会把本地机器的CPU资源加入到集群中。命令中的6006端口只是作为示例，你可以修改成任何有效的端口。启动后可通过 xparl status 查看目前集群有多少CPU资源可用，你可以在 xparl start 的命令中加入选项 --cpu_num [CPU_NUM] (例如：–cpu_num 10)指定本机加入集群的CPU数量。

加入更多CPU资源¶

备注

如果您只有一个机器，您可以忽略该部分

启动集群后，就可以直接使用集群了，如果CPU资源不够用，你可以在任何时候和任何机器（包括本机或其他机器）上，通过执行 xparl connect 命令把更多CPU资源加入到集群中。

xparl connect --address localhost:6006

它会启动一个工作节点（worker），并把当前机器的CPU资源加入到 --address 指定的master集群。worker默认会把当前机器所有的可用的CPU资源加入到集群中，如果你需要指定加入的CPU数量，也可以在上述命令上加入选项 --cpu_num [CPU_NUM] 。

请注意 xparl connect 可以在任何时候用于添加更多的CPUs到集群。

示例¶

这里我们给出了一个示例来演示如何通过 @parl.remote_class 来进行并行计算。

import parl

@parl.remote_class
class Actor(object):
    def hello_world(self):
        print("Hello world.")

    def add(self, a, b):
        return a + b

# Connect to the master node.
parl.connect("localhost:6006")

actor = Actor()
actor.hello_world()# no log in the current terminal, as the computation is placed in the cluster.
actor.add(1, 2)  # return 3

关闭集群¶

在master机器上运行 xparl stop 命令即可关闭集群程序。当master节点退出后，与之关联的worker节点也会自动退出并结束相关程序。

扩展阅读¶

我们现在已经知道了如何通过终端命令 xparl 搭建一个集群，以及如何通过修饰符 @parl.remote_class 来使用集群。

在下一个教程我们将会演示如何通过这个修饰符来打破Python的全局解释器锁（Global Interpreter Lock, GIL）限制，从而实现真正的多线程计算。