Comment réaliser le parallélisme dans les programmes Python

Programmation parallèle en Python : une solution aux défis du parallélisme

La programmation parallèle vise à améliorer les performances en exécutant plusieurs tâches simultanément. En Python, OpenMP, couramment utilisé en C, n'est pas facilement applicable. Cet article aborde la question de l'implémentation du parallélisme dans les programmes Python, en abordant le défi de l'exécution simultanée de fonctions indépendantes.

La structure de code donnée :

solve1(A)
solve2(B)

nécessite l'identification de fonctions indépendantes dans le code. Dans cet exemple, solve1 et solve2 sont deux fonctions distinctes.

Pour paralléliser ce code, envisagez d'utiliser le module multitraitement en Python, qui permet un parallélisme basé sur les processus. Dans le scénario donné, un pool de traitement peut être utilisé :

<code class="python">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)</code>

Cette approche utilise plusieurs processus, un pour chaque cœur de processeur, pour exécuter simultanément les fonctions indépendantes. Cette division du travail peut potentiellement réduire la durée d'exécution du programme.

Une autre option pour mapper une liste à une seule fonction est :

<code class="python">args = [A, B]
results = pool.map(solve1, args)</code>

Il est important de noter que les threads ne doivent pas être utilisé pour le parallélisme en Python car le GIL (Global Interpreter Lock) empêche plusieurs threads d'exécuter du code Python simultanément, rendant l'exécution parallèle inefficace.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!