Pythonin käyttö CSC:n supertietokoneilla

Joitakin tärkeitä Python-ohjelmointikielen käyttöön liittyviä asioita tehdään CSC:n supertietokoneilla huomattavan eri tavalla kuin omalla laitteella tai muissa HPC-ympäristöissä. Jotta saat käytettävissä olevista laskentaresursseista kaiken hyödyn irti, on hyvä tuntea nämä erot.

Katso Python-sovellussivu yleisiä tietoja varten Python-kielestä ja CSC:n supertietokoneille esiasennetuista Python-ympäristöistä.

Python-ympäristöjen luominen ja hallinta

Katso myös UKK-osio yleisistä Python-ympäristöihin liittyvistä kysymyksistä supertietokoneilla.

Python-pakettien asentaminen olemassa oleviin moduuleihin

Jos CSC:n tarjoama moduuli kattaa lähes kaiken tarvitsemasi, mutta siitä puuttuu muutama Python-paketti, voit yrittää asentaa ne itse pip-paketinhallinnalla.

Katso pakettilistat Python-sovellussivultamme selvittääksesi, mitkä paketit on asennettu olemassa oleviin moduuleihin. Jos mielestäsi jokin tärkeä paketti pitäisi sisällyttää oletuksena CSC:n tarjoamaan moduuliin, ota rohkeasti yhteyttä asiakastukeemme.

venv:n käyttöpip install --user:n käyttö

Suositeltu tapa lisätä paketteja olemassa olevan ympäristön päälle on käyttää venv:iä, joka on Pythonin vakiomoduuli kevyen "virtuaaliympäristön" luomiseen. Voit käyttää useita virtuaaliympäristöjä, esimerkiksi yhden jokaista projektia varten.

Esimerkiksi paketin nimeltä whatshap asentaminen CSC:n tarjoaman python-data -moduulin päälle:

cd /projappl/<your_project>  # change this to the appropriate path for your project
module load python-data
python3 -m venv --system-site-packages <venv_name>
source <venv_name>/bin/activate
pip install whatshap

Warning

Virtuaaliympäristö täytyy luoda oikea python-moduuli aktivoituna, eli siinä ympäristössä, jossa aiot käyttää uusia paketteja. Voit tarkistaa, mihin pythoniin venv viittaa komennolla: readlink <venv_name>/bin/python3.

Toisin kuin esimerkiksi Tykky, venv luo ympäristölle uuden hakemiston, joten sinun ei tarvitse luoda sitä etukäteen. Muista käyttää --system-site-packages-valitsinta virtuaaliympäristöä luodessasi, muuten ympäristö ei löydä perusmoduulin esiasennettuja paketteja (esimerkiksi numpy:a moduulista python-data).

Myöhemmin, kun haluat käyttää virtuaaliympäristöä, sinun tarvitsee vain ladata moduuli ja aktivoida ympäristö:

module load python-data
source /projappl/<your_project>/<venv_name>/bin/activate

Vastaavasti varmista virtuaaliympäristöä käyttäessäsi, että perusmoduuli on todella ladattu. Tämä koskee luonnollisesti myös Slurm-työskriptejä.

Ongelmia virtuaaliympäristöjen kanssa

Joissakin erityistapauksissa CSC:n moduulit eivät välttämättä toimi oikein Pythonin virtuaaliympäristöjen kanssa. Kokeile ensin suorittaa export CW_FORCE_CONDA_ACTIVATE=1 ennen venvin aktivointia. Jos siitä ei ole apua, kokeile käyttää toisessa välilehdessä kuvattua pip install --user -tapaa.

Toinen tapa asentaa lisäpaketteja on tehdä "käyttäjäasennus" komennolla pip install --user. Tämä lähestymistapa on periaatteessa helppokäyttöinen, koska se ei vaadi virtuaaliympäristön perustamista. Pakettien mukana tulevat komennot eivät kuitenkaan välttämättä toimi suoraan (katso tämän osion lopun tietolaatikko).

Paketit asennetaan oletuksena kotihakemistoosi polkuun .local/lib/pythonx.y/site-packages (missä x.y on käytössä olevan Pythonin versio), paitsi Roihussa. Roihussa lisäpakettien oletusasennuspolku määräytyy CPU-arkkitehtuurin mukaan: .local/x86_64/lib/pythonx.y/site-packages Roihu-CPU:lle ja .local/aarch64/lib/pythonx.y/site-packages Roihu-GPU:lle. Huomaa, että jos asennat paljon paketteja, kotihakemistostasi voi helposti loppua tila. Tämä voidaan välttää muuttamalla asennuskansiota niin, että asennus tehdään projektikohtaisesti henkilökohtaisen asennuksen sijaan. Tämä tehdään asettamalla PYTHONUSERBASE-ympäristömuuttuja viittaamaan uuteen asennushakemistoon.

Esimerkiksi paketin whatshap lisääminen python-data-moduulin päälle:

module load python-data
export PYTHONUSERBASE=/projappl/<your_project>/my-python-env
pip install --user whatshap

Yllä olevassa esimerkissä paketti asennetaan nyt projektin projappl-hakemistossa olevaan my-python-env-hakemistoon. Suorita unset PYTHONUSERBASE, jos haluat asentaa paketteja taas kotihakemistoosi.

Kun käytät kirjastoja myöhemmin, sinun täytyy määrittää PYTHONUSERBASE uudelleen. Tämä koskee luonnollisesti myös Slurm-työskriptejä. Esimerkiksi:

module load python-data
export PYTHONUSERBASE=/projappl/<your_project>/my-python-env

Paketit, jotka sisältävät suoritettavia tiedostoja

Useimmat Python-moduuleistamme on toteutettu kontteina. Jos asentamasi paketti sisältää myös suoritettavia tiedostoja, ne eivät välttämättä toimi suoraan, koska suoritettava tiedosto saattaa etsiä Python-tulkkia polusta, joka on kontin sisäinen. Saatat nähdä tällaisen virheilmoituksen:

whatshap: /CSC_CONTAINER/miniconda/envs/env1/bin/python3.9: bad interpreter: No such file or directory

Voit korjata tämän muokkaamalla suoritettavan tiedoston ensimmäistä riviä (joka esimerkissämme löytyy komennolla which whatshap) osoittamaan oikeaan Python-tulkkiin (löytyy komennolla which python3). Esimerkissämme muokkaisimme tiedostoa ~/.local/bin/whatshap (~/.local/$(uname -m)/bin/whatshap Roihussa) niin, että sen ensimmäinen rivi on seuraava:

#!/appl/soft/manual/aida/$(uname -m)/python-data/python-data-2026-03/bin/python3  # On Roihu
#!/appl/soft/ai/tykky/python-data-2022-09/bin/python3                             # On Puhti and Mahti

Pip-asennukset, jotka vaativat kääntämistä

Lähdekoodista rakennettaessa --no-build-isolation-valitsinta voidaan käyttää paketin kääntämiseen aktiivisen moduulin avulla sen sijaan, että pip loisi eristetyn rakennusympäristön. Lisäksi voi olla hyödyllistä käyttää laveaa -v-valitsinta nähdäksesi, mitä pip tekee ympäristön sisällä.

Warning

Vaikka asentaisit Python-paketteja projappl- tai scratch-hakemistoon, pip-komento saattaa silti täyttää kotihakemistosi, koska se tallentaa välimuistinsa sinne oletuksena. Katso UKK-ohjeestamme pip-välimuistin määrittäminen.

Omien Python-ympäristöjen luominen

On myös mahdollista luoda omia Python-ympäristöjä.

pipconda

Pip on hyvä valinta Python-ympäristöjen hallintaan silloin, kun ne eivät perustu monimutkaisiin riippuvuussuhteisiin.

Helpoin tapa luoda mukautettu pip-ympäristö on käyttää venv-moduulia, jota käsiteltiin edellisessä osiossa ja jossa näytetään itse asiassa täsmälleen, miten tämä tehdään. Jos et halua käyttää paketteja jostakin olemassa olevasta moduulista, jätä yksinkertaisesti pois --system-site-packages-valitsin virtuaaliympäristöä luodessasi.
Toinen vaihtoehto on luoda pip-ympäristö kontin sisään. Suoraviivaisin tapa tehdä tämä on käyttää Tykky-konttikäärettä. Jos haluat tietää, miten ympäristösi voidaan kontittaa helposti, katso Tykkyn ohjeet pip-pohjaisiin asennuksiin.
Vaihtoehto Tykkyn käytölle on luoda pip-ympäristö mukautetun Apptainer-kontin sisään. Tämä on käytännöllinen valinta, jos esimerkiksi tiedät sopivan valmiin Apptainer- tai Docker-kontin. Lisätietoja Apptainer-konttien käytöstä on aiheeseen liittyvässä dokumentaatiossa:
- Apptainer-konttien ajaminen
- Apptainer-konttien luominen, mukaan lukien miten Docker-kontit muunnetaan Apptainer-konteiksi.

Conda on helppokäyttöinen ja joustava, mutta se luo yleensä valtavan määrän tiedostoja, mikä ei sovi yhteen jaettujen tiedostojärjestelmien kanssa. Tiedostojen liiallinen määrä voi aiheuttaa hyvin hitaita kirjastojen tuonteja ja pahimmillaan hidastaa koko tiedostojärjestelmää. Tämän vuoksi CSC on poistanut conda:n käytön suosituksista suorissa asennuksissa supertietokoneille. Voit kuitenkin edelleen luoda ja käyttää kontitettuja conda-ympäristöjä.

Suoraviivaisin tapa luoda kontitettu conda-ympäristö on käyttää Tykky-konttikäärettä. Jos haluat tietää, miten ympäristösi voidaan kontittaa helposti, katso Tykkyn ohjeet conda-pohjaisiin asennuksiin.
Vaihtoehto Tykkyn käytölle on luoda conda-ympäristö mukautetun Apptainer-kontin sisään. Tämä on käytännöllinen valinta, jos esimerkiksi tiedät sopivan valmiin Apptainer- tai Docker-kontin. Lisätietoja Apptainer-konttien käytöstä on aiheeseen liittyvässä dokumentaatiossa:
- Apptainer-konttien ajaminen
- Apptainer-konttien luominen, mukaan lukien miten Docker-kontit muunnetaan Apptainer-konteiksi.

Python-kehitysympäristöt

Python-skriptejä voidaan muokata suoraan CSC:n supertietokoneella konsolipohjaisella tekstieditorilla kuten vim tai emacs. Näiden päätepohjaisten editorien lisäksi useita graafisia ohjelmointiympäristöjä, kuten Jupyter Notebookeja, Visual Studio Codea ja Spyderiä, voidaan käyttää supertietokoneella selainkäyttöliittymämme kautta.

Sen lisäksi, että koodia muokataan suoraan supertietokoneella, on myös mahdollista kehittää koodia etänä käyttämällä joitakin paikallisesti asennettavia editoreja, kuten Visual Studio Codea. Huomaa kuitenkin, että tämä tapa muodostaa yhteys CSC:n supertietokoneisiin on altis ongelmille eikä siksi ole täysin tuettu.

Lopuksi koodia voi tietenkin muokata paikallisella laitteella ja kopioida sen supertietokoneelle komentorivityökaluilla kuten scp ja rsync, tai käyttämällä graafisia tiedostonsiirtotyökaluja.

Jupyter

Jupyter Notebookit tarjoavat interaktiivisen ohjelmointiympäristön, jossa voidaan kirjoittaa ja suorittaa Python-koodia yksittäisissä soluissa. Notebookit yhdistävät koodin, yhtälöt, visualisoinnit ja selittävän tekstin yhteen dokumenttiin.

Jupyter-interaktiivinen sovellus selainkäyttöliittymässämme mahdollistaa Jupyterin käytön CSC:n supertietokoneilla. Monet Python-ympäristöistämme, mukaan lukien python-data, python-geo (geoconda Puhdissa ja Mahdissa) sekä syväoppimismoduulit kuten python-pytorch (pytorch Puhdissa ja Mahdissa) sisältävät tärkeimmät Jupyter-paketit, joten niitä voidaan käyttää tässä sovelluksessa. Sovelluksen dokumentaatiosivu sisältää listan tuetuista ympäristöistä.

Visual Studio Code

Visual Studio Code (VSCode) on Microsoftin kehittämä laajasti käytetty lähdekoodieditori. Toisin kuin kaksi muuta tässä esiteltyä kehitysympäristöä, se ei ole riippuvainen mistään Python-paketeista, joten sitä voidaan käyttää oletuksena kaikkien CSC:n ja itse tehtyjen Python-ympäristöjen kanssa.

VSCodea voi käyttää CSC:n supertietokoneilla kahdella tavalla:

Mukautettujen ympäristöjen käyttö VSCode:ssa

Koska VSCode-istunnon käynnistyslomakkeessa tarjotaan vain CSC:n moduuleja, mukautettujen Python-ympäristöjen käyttäminen VSCode:n sisäänrakennettujen toimintojen, kuten virheenkorjauksen, kanssa edellyttää Python-tulkin polun muuttamista istunnon käynnistymisen jälkeen. Tämä voidaan tehdä napsauttamalla VSCode-ikkunan oikeassa alakulmassa näkyviä Python-version tietoja.

Spyder

Spyder on tieteellinen Python-kehitysympäristö. python-data- ja python-geo -moduulit sisältävät Spyderin. Paras tapa käyttää sitä on Puhtin selainkäyttöliittymän etätyöpöydän kautta.

Pythonin rinnakkaistyöt

Pythonissa on useita kirjastoja rinnakkaislaskentaan. Alla on muutamia ehdotuksia:

multiprocessing – prosessipohjainen rinnakkaisuus
joblib – Python-funktioiden ajaminen putkityötehtävinä
dask – yleiskäyttöinen rinnakkaisohjelmoinnin ratkaisu
mpi4py – Pythonin MPI-sidonnat

multiprocessing-paketti on todennäköisesti helpoin käyttää. Koska se on osa Pythonin standardikirjastoa, se sisältyy oletuksena kaikkiin Python-asennuksiin. joblib tarjoaa tähän verrattuna hieman enemmän joustavuutta. Nämä kaksi pakettia soveltuvat yhden solmun rinnakkaistamiseen (enintään 40 ydintä).

dask on näistä monipuolisin, ja siinä on useita vaihtoehtoja rinnakkaistamiseen. Katso CSC:n Dask-opas esimerkkejä varten sekä yhden solmun (enintään 40 ydintä) että usean solmun rinnakkaistamisesta.

Lisäksi CSC Trainingin GitHub-organisaatiossa on esimerkkejä eri rinnakkaistamisvaihtoehtojen käytöstä Roihussa. Yllä mainituista neljästä paketista esimerkkejä on tarjolla paketeille multiprocessing, joblib ja dask.

mpi4py-paketti sisältyy PyTorch-ympäristöömme. Se on yleensä tehokkain vaihtoehto usean solmun töihin, joissa rinnakkaistaminen ei ole triviaalia.