如何在Python中进行并行编程
对于C ++，我们可以使用OpenMP来进行并行编程，但是，OpenMP将不能用于Python，如果我想平行Python程序的某些部分，该怎么办？ 代码的结构可以被认为是：
solve1(A) solve2(B) solve1和solve2是两个独立的函数。 如何并行而不是按顺序运行这种代码，以减less运行时间？ 希望有人能帮助我。 非常感谢。 代码是：
def solve(Q,G,n): i = 0 tol = 10**-4 while i < 1000: inneropt,partition,x = setinner(Q,G,n) outeropt = setouter(Q,G,n) if (outeropt - inneropt)/(1 + abs(outeropt) + abs(inneropt)) < tol: break node1 = partition[0] node2 = partition[1] G = updateGraph(G,node1,node2) if i == 999: print "Maximum iteration reaches" print inneropt
setinner和setouter是两个独立的函数，这就是我想要平行的地方…
您可以使用多处理模块。 对于这种情况，我可能会使用处理池：
from multiprocessing import Pool pool = Pool() result1 = pool.apply_async(solve1, [A]) # evaluate "solve1(A)" asynchronously result2 = pool.apply_async(solve2, [B]) # evaluate "solve2(B)" asynchronously answer1 = result1.get(timeout=10) answer2 = result2.get(timeout=10)
这将产生可以为你做通用工作的进程。 由于我们没有通过processes ，它会为您机器上的每个CPU内核产生一个进程。 每个CPU内核可以同时执行一个进程。
如果你想将一个列表映射到一个函数，你可以这样做：
args = [A, B] results = pool.map(solve1, args)
不要使用线程，因为GIL会locking对python对象的任何操作。
如果你指的是并发编程，你可以在Python中使用多处理 。
如果你想做一些核心的大规模并行数据分析，然后尝试python ，它现在是免费的。
CPython使用全局解释器锁，这使得并行编程比C ++更有趣
这个话题有几个有用的例子和对这个挑战的描述：
Python全局解释器锁（GIL）在Linux上使用taskset的多核系统上的解决方法？
