Python Language
Parallell beräkning

Anmärkningar

Använda multiprocesseringsmodulen för att parallellisera uppgifter

import multiprocessing

def fib(n):
    """computing the Fibonacci in an inefficient way
    was chosen to slow down the CPU."""
    if n <= 2:
        return 1
    else:
        return fib(n-1)+fib(n-2) 
p = multiprocessing.Pool() 
print(p.map(fib,[38,37,36,35,34,33]))

# Out: [39088169, 24157817, 14930352, 9227465, 5702887, 3524578]

Eftersom exekveringen av varje samtal till fib sker parallellt är exekveringstiden för det fullständiga exemplet 1,8 × snabbare än om det sker på ett sekventiellt sätt på en dual processor.

_{Python 2.2+}

Använda skript för förälder och barn för att köra kod parallellt

child.py

import time

def main():
    print "starting work"
    time.sleep(1)
    print "work work work work work"
    time.sleep(1)
    print "done working"

if __name__ == '__main__':
    main()

parent.py

import os

def main():
    for i in range(5):
        os.system("python child.py &")

if __name__ == '__main__':
    main()

Detta är användbart för parallella, oberoende HTTP-förfrågnings- / svaruppgifter eller databasval / infogningar. Kommandoradsargument kan också ges till scriptet child.py . Synkronisering mellan skript kan uppnås genom att alla skript regelbundet kontrollerar en separat server (som en Redis-instans).

Använda en C-förlängning för att parallellisera uppgifter

Tanken här är att flytta de beräkningsintensiva jobb till C (med speciella makron), oberoende av Python, och låta C-koden släppa GIL medan den fungerar.

#include "Python.h"
...
PyObject *pyfunc(PyObject *self, PyObject *args) {
    ...
    Py_BEGIN_ALLOW_THREADS
    // Threaded C code
    ...
    Py_END_ALLOW_THREADS
    ...
}

Använda PyPar-modulen för att parallellisera

PyPar är ett bibliotek som använder meddelandeöverföringsgränssnittet (MPI) för att tillhandahålla parallellitet i Python. Ett enkelt exempel i PyPar (se https://github.com/daleroberts/pypar) ser ut så här:

import pypar as pp

ncpus = pp.size()
rank = pp.rank()
node = pp.get_processor_name()

print 'I am rank %d of %d on node %s' % (rank, ncpus, node)

if rank == 0:
  msh = 'P0'
  pp.send(msg, destination=1)
  msg = pp.receive(source=rank-1)
  print 'Processor 0 received message "%s" from rank %d' % (msg, rank-1)
else:
  source = rank-1
  destination = (rank+1) % ncpus
  msg = pp.receive(source)
  msg = msg + 'P' + str(rank)
  pypar.send(msg, destination)
pp.finalize()