gpt-apt接口调用并行处理:python 多线程处理ThreadPoolExecutor

说在前面

近日因使用open ai的api调用,因数据量大,故不能一一申请调用gpt api,现来学习一下pyhton并行处理的功能ThreadPoolExecutor。它可以开n个线程,给定任务量m,这n个线程会同时处理这m个任务,直至任务量处理完毕。

代码

python 复制代码
def request_openai(system_prompt):
    response = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": system_prompt}]
    )
    # 获取token信息
    prompt_tokens = response.usage.prompt_tokens
    completion_tokens = response.usage.completion_tokens
    total_tokens = response.usage.total_tokens
    return response.choices[0].message.content, total_tokens



# 使用ThreadPoolExecutor并发处理多个请求
def handle_multiple_requests(prompts):

    # Create a ThreadPoolExecutor to process multiple tasks concurrently
    with concurrent.futures.ThreadPoolExecutor(max_workers=3) as executor:

        # Submit each task for processing
        futures = [executor.submit(request_openai, prompt) for prompt in prompts]

        # Process the results as they complete
        for future in concurrent.futures.as_completed(futures):
            try:
                response, tokens = future.result()

            except Exception as e:
                print(f"Error processing: {e}")

讲解:开通线程数量 max_workers=3,任务函数 request_openai,任务数据 prompts。

解释:假设1000条prompt,该代码功能就是这3个线程并行调用这1000条prompts,这三个线程会轮流处理这些任务,当一个线程完成一个任务后,它会去处理下一个任务,直到所有任务都被处理完毕。

llm_output:llm的输出数据的格式是由request_openai函数中规定的,而future.result()可以获取每次调用LLM的输出结果。一个future代表着一次调用gpt api。

改进版本代码

python 复制代码
def request_openai(item):
    prompt = get_prompts(item)
    response = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}]
    )
    total_tokens = response.usage.total_tokens
    return response.choices[0].message.content, total_tokens


open_path = './data/chinese1/testData.json'
with open(open_path, 'r', encoding='utf-8') as file:
    data = json.load(file)

with concurrent.futures.ThreadPoolExecutor(max_workers=3) as executor:
    # 使用字典 futures 来存储 future 对象,键是 future 对象,值是对应的 item
    futures = {executor.submit(request_openai, item) : item for item in data[:2]}
        with tqdm(total=total_tasks, desc="Processing") as pbar:
            for idx, future in enumerate(concurrent.futures.as_completed(futures)):
                item = futures[future]
                try:
                    response_dict, total_tokens = future.result()
                    # 更新进度条
                    pbar.update(1)

                except Exception as e:
                    print(f"Error processing id {item['id']}: {e}")
                    # 更新进度条即便发生错误
                    pbar.update(1)

不同之处:在这里为了能让 for future里面也能使用data数据,把每个data对象保存到字典futures中。最后再加上tqdm显示进度条。

相关推荐
满怀10156 分钟前
Python扩展知识详解:lambda函数
开发语言·python
佚名涙1 小时前
go中锁的入门到进阶使用
开发语言·后端·golang
猫猫的小茶馆1 小时前
【PCB工艺】软件是如何控制硬件的发展过程
开发语言·stm32·单片机·嵌入式硬件·mcu·51单片机·pcb工艺
勘察加熊人2 小时前
wpf+c#路径迷宫鼠标绘制
开发语言·c#·wpf
小黄人软件3 小时前
C# ini文件全自动界面配置:打开界面时读ini配置到界面各控件,界面上的控件根据ini文件内容自动生成,点保存时把界面各控件的值写到ini里。
开发语言·c#
Android洋芋6 小时前
C语言深度解析:从零到系统级开发的完整指南
c语言·开发语言·stm32·条件语句·循环语句·结构体与联合体·指针基础
bjxiaxueliang6 小时前
一文详解QT环境搭建:Windows使用CLion配置QT开发环境
开发语言·windows·qt
Run_Teenage6 小时前
C语言 【初始指针】【指针一】
c语言·开发语言
苹果.Python.八宝粥6 小时前
Python第七章02:文件读取的练习
开发语言·python
J不A秃V头A7 小时前
Redis批量操作详解
开发语言·redis