问题描述
我正在尝试从 u 和 v 分量计算风速,以每小时时间步长和 0.1 x 0.1 度分辨率计算 1 年数据,总共 40 年。 1 年的单独 u 和 v netcdf 文件每个约为 5GB。我已经实现了一个基本的 for
循环,其中每年的 u 和 v netcdf 文件通过 Xarray open_dataset
打开并重新分块以将它们作为 dask 数组,然后进行计算并将结果导出为新的 netcdf .
当循环运行时,第一次迭代几乎立即发生,但下一次迭代所需的循环时间太长(几乎到了似乎停滞的程度)。我不明白我的代码的哪一部分在这里出现瓶颈以及为什么。任何帮助,将不胜感激。此外,我已经正确实现了 dask 调度程序来自适应地请求资源。我附上相关的代码片段以供参考:
cluster = PBSCluster(cores=1,memory='8GB',queue='standard',project='civil',interface='ib0',walltime='00:20:00')
cluster.adapt(minimum=1,maximum=8)
client = Client(cluster)
for i in range (1979,2019):
u_dir = glob.glob('../u_wind/uwind_hourly_'+ str(i)+'*.nc')
v_dir = glob.glob('../v_wind/vwind_hourly_'+ str(i)+'*.nc')
w_dir = './wind/wind_hourly_'+str(i)+'-'+str(i)+'.nc'
u_wind = xr.open_dataset(u_dir[0])
v_wind = xr.open_dataset(v_dir[0])
u_wind_rechunk = u_wind.chunk({'time':720})
v_wind_rechunk = v_wind.chunk({'time':720})
u_var = u_wind_rechunk['UGrd_10m']
v_var = v_wind_rechunk['VGrd_10m']
wind_speed = xr.Dataset(data_vars=None,coords=None,attrs=None)
wind_speed=wind_speed.assign(wind_speed=np.sqrt(u_var**2 + v_var**2))
wind_speed.to_netcdf(w_dir)
del u_wind
del v_wind
del u_wind_rechunk
del v_wind_rechunk
del u_var
del v_var
del wind_speed
gc.collect()
解决方法
实际上,您的代码仍然是串行而不是并行的,特别是 wind_speed.to_netcdf(w_dir)
会立即触发计算。下面的代码可能需要一些调整,但重点是并行化您的操作:
def single_run(i):
# nothing is modified in the code below relative
u_dir = glob.glob('../u_wind/uwind_hourly_'+ str(i)+'*.nc')
v_dir = glob.glob('../v_wind/vwind_hourly_'+ str(i)+'*.nc')
w_dir = './wind/wind_hourly_'+str(i)+'-'+str(i)+'.nc'
u_wind = xr.open_dataset(u_dir[0])
v_wind = xr.open_dataset(v_dir[0])
u_wind_rechunk = u_wind.chunk({'time':720})
v_wind_rechunk = v_wind.chunk({'time':720})
u_var = u_wind_rechunk['UGRD_10m']
v_var = v_wind_rechunk['VGRD_10m']
wind_speed = xr.Dataset(data_vars=None,coords=None,attrs=None)
wind_speed=wind_speed.assign(wind_speed=np.sqrt(u_var**2 + v_var**2))
wind_speed.to_netcdf(w_dir)
del u_wind
del v_wind
del u_wind_rechunk
del v_wind_rechunk
del u_var
del v_var
del wind_speed
gc.collect()
# new parts
import dask
run_me = dask.compute([dask.delayed(single_run)(i) for i in range (1979,2019)])