tutorial.md

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：

启动集群

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

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 [MASTER_ADDRESS]: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] 。

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

# 连接到集群（master节点）
parl.connect("localhost:6006")

actor = Actor()
actor.hello_world()# 因为计算是放在集群中执行，所以这里不会打印信息
actor.add(1, 2)  # 返回 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。