使用Python并行调用Azure函数中的方法

Question

Python版本： 3.7.3

资源： azure函数

azure计划：消费

目标：提高Azure的速度函数

大家好，

我有以下代码来分类邮件：

init .py

### Importing libraries above  

def main(req: func.HttpRequest,
            context: func.Context) -> func.HttpResponse:
   
    try:
        req_body = req.get_json()
    except ValueError:
        pass

    if req_body:
        try:
                                        
            ### Some code in between to load the variables classes, selected models, .... Those variables are JSOn objects
                
            prediction = cfp.predict(req_body['text_original'], 
                                    req_body['text_cleaned'], 
                                    selected_models, thresholds)
                        
            return func.HttpResponse(json.dumps(prediction).encode('utf-8'),
                                status_code = 200,
                                mimetype = 'application/json')
        except Exception as e:
            return func.HttpResponse(json.dumps({'status': 'fehler', 'comment': str(e), 'stack_trace': traceback.format_exc()}),
                                    status_code = 400,
                                    mimetype = 'application/json')

    else:
        return func.HttpResponse(json.dumps({'status': 'fehler', 'comment': 'Die Eingabedaten wurden falsch angegeben', 'stack_trace': ''}),
                                status_code = 400,
                                mimetype = 'application/json')

cfp.py

def classify_mail(model_typ, scenario_name, X, vectorizer_parameters, modelFolderPath):

   ### ... some code in between 

    model = joblib.load(modelFolderPath)
    vec = TfidfVectorizer(**vectorizer_parameters)
    X_features = vec.fit_transform(X)
    result['prediction'] = model.predict(X_features)[0]

  return result

def predict(mail, mail_cleaned,
            selected_models, thresholds, vectorizer_parameters):
model_folder_path = "model"
    
    prediction={}       
    results = []

    for m in selected_models.keys():
        for s in selected_models[m]['scenarios']:
                            
            result = {}
            result['name'] = m + '_' + s

            X = [mail_cleaned]
            
            selected_vectorizer_parameters = vectorizer_parameters[s]

            result.update(classify_mail(m,s,X, selected_vectorizer_parameters, model_folder_path))
            results.append(result)
            
### some code after
return prediction

the方法预测呼叫10倍clastify_mail的10倍（这是两个for-loops）。每个呼叫持续20秒，我想知道如何在10次并行拨打该方法分类，我可以减少执行Azure函数的时间。由于在消费计划中功能的超时，我正在遇到以下错误：

Badrequest。 HTTP请求失败：服务器未在 超时限制。请参阅逻辑应用程序限制 config＃http-limits 。

更新1：

我发现此资源 async方法python 。但是，对于我来说，在我的特定用例中如何实现它并不清楚。

Answer 1

我想知道如何在10次并行调用该方法分类，并且可以减少执行Azure函数的时间。

解决方法之一是，您可以设置最高学位对于通过并行执行任务的执行时间将比执行时间少的函数。

参考文献：

2. imran 的Azure耐用功能并行化任务