如何使用多處理和並行映射並行化 Python 函數？

Python 中的平行程式設計

在 Python 中，並行程式設計允許程式的某些部分同時執行，從而可能提高效能。為了在 Python 中實現並行性，多處理模組是一個流行的選擇。

範例：

考慮涉及兩個獨立函數solve1和solve2的程式碼結構。要並行化這些函數：

<code class="python">from multiprocessing import Pool
pool = Pool()
result1 = pool.apply_async(solve1, [A])  # Asynchronously evaluate solve1(A)
result2 = pool.apply_async(solve2, [B])  # Asynchronously evaluate solve2(B)
answer1 = result1.get(timeout=10)
answer2 = result2.get(timeout=10)</code>

此程式碼建立一個處理池，該處理池產生程序來處理solve1和solve2的非同步執行。每個行程利用不同的 CPU 核心來同時執行。

替代並行化選項：

並行化程式碼部分的另一個選項是使用並行映射。在這種情況下，您將有一個參數列表，並對每個參數並行應用一個函數：

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

注意事項：

雖然線程也可以Python 中用於並行的全域解釋器鎖定(GIL) 會阻止Python 物件的並行執行，從而使執行緒對於並行化Python 程式碼無效。

以上是如何使用多處理和並行映射並行化 Python 函數？的詳細內容。更多資訊請關注PHP中文網其他相關文章！