推荐学习书目 Learn Python the Hard Way Python Sites PyPI - Python Package Index http://diveintopython.org/toc/index.html Pocoo 值得关注的项目 PyPy Celery Jinja2 Read the Docs gevent pyenv virtualenv Stackless Python Beautiful Soup 结巴中文分词 Green Unicorn Sentry Shovel Pyflakes pytest Python 编程 pep8 Checker Styles PEP 8 Google Python Style Guide Code Style from The Hitchhiker's Guide
这是一个创建于 1403 天前的主题，其中的信息可能已经有所发展或是发生改变。
我使用 Python 创建了一个 WebSocket 连接, 然后开始监听网络响应, 在接受到网络响应的事件回调中, 将数据使用 Mayavi 绘制到屏幕上, 但我发现一旦启动了 WebSocket 后, Mayavi 就无法绘图. 我猜想是因为这 2 个都要求主线程的事件循环, 现在不知道怎么处理了. fork 整个进程和开一个新进程不在考虑范围, 因为启动新进程代价太多, 用户不能接受如此高的延迟!
 | 1 neoblackcap 2022 年 6 月 21 日 试试多线程 + ioloop |
 | 2 LeeReamond 2022 年 6 月 21 日  1 使用进程是很合理的考虑，不想新开的话可以用可复用的设计，不知道为什么不考虑。本身如果你使用线程解决了的话，GIL 不能释放又成了一个问题，会拖慢渲染效率的 |
 | 3 thinkershare OP @LeeReamond 没找到好的办法, 只能使用多进程, 然后使用 Queue 做数据通讯, 但真的很慢很慢. 你用过 mayavi 库吗? 是否有性能优化建议, 这个库启动非常耗时, 每次至少需要 3-10s, 每次同步的数据数据比较大 1-10MB, 然后还需要从 str->bytes->目标数据结构, 最终体验非常差. |
| 4 LeeReamond 2022 年 6 月 21 日 @thinkershare 不好意思不是很熟悉，只是从常理的角度考虑，即使用子进程，载入不也是启动时载入一次就完事了。所以你的开销应该只有实时通讯传入的数据。而 10M 的数据无论对 socket 收发还是 python 计算来说都不大，处理时间应该在毫秒这个数量级才对 |
| 5 thinkershare OP @LeeReamond 2MB 的 base65(本来是 bytes, 但因为某些原因, 我需要将其编码为 base64), 然后还原到 bytes-> 然后转换未 numpy, 然后转换未 tensor, 然后使用 mayavi 显示(10W-20W 个 point cloud), 最终就是非常慢. 反序列化这一部分就已经需要秒级了. 最终完成一次窗口绘制, 时间就超过 5s 了. 主要还是二进制序列化太消耗时间了. 不做二进制序列化又太大, 一次网络纯属 20MB, 都需要 10s(香港到大陆). 我想想该怎么优化. |
| 6 thinkershare OP 2MB 的 base64 str(本来是 bytes, 但因为某些原因, 我需要将其编码为 base64), 然后还原到 bytes-> 然后转换为 numpy, 然后转换为 tensor, 然后使用 mayavi 显示(10W-20W 个 point cloud), 最终就是非常慢. 反序列化这一部分就已经需要秒级了. 最终完成一次窗口绘制, 时间就超过 5s 了. 主要还是二进制序列化太消耗时间了. 不做二进制序列化又太大, 一次网络传输 20MB, 大概需要 10s(香港到大陆). 我想想该怎么优化. |
| 7 LeeReamond 2022 年 6 月 22 日 @thinkershare  你的实现可能有些问题，我测了一下两百万的 f64 矩阵，外套一层 zip 压缩，重新转为 numpy 对象的耗时是 70ms ，如果只是 2M 的流的话我这里执行时间是 8ms 。numpy 的序列化和反序列化效率印象里一直不太行，8ms 并不快，不过感觉不应成为你的瓶颈。传输方面的话，阿里腾讯在香港的机器连内地可以跑百兆的，2M 应该很快。正态分布 f64 压缩后也能压 70%左右的体积，如果你能接受削减一些精度应该能压更多 |
| 8 thinkershare OP @LeeReamond 我晚上回去打 log 看下各个地方的耗时, 我现在都没有跨网络, 本机测试延迟都是 1400ms, server, provider, render 都在本机. |
Select Language