非同步並行化獨立 Python 函數的最佳方法是什麼？

Python 中的平行程式設計：綜合指南

對於 C 語言，OpenMP 提供了一個簡單的平行程式碼機制。然而，Python 用戶在尋求類似功能時面臨挑戰。本指南旨在透過提出針對 Python 量身定制的解決方案來應對這些挑戰，使程式設計師能夠利用並行處理的力量來優化其程式碼。

具體來說，我們將探索一個涉及兩個獨立函數的場景，solve1(A ) 和solve2(B)，需要並行執行而不是順序執行。提供的範例程式碼突顯了這些函數：

<code class="python">def solve(Q, G, n):
    ...
    setinneropt, partition, x = setinner(Q, G, n)
    ...
    if ...
        node1 = partition[0]
        node2 = partition[1]
    ...</code>

這裡的關鍵函數是 setinner 和 setouter，代表我們旨在並行化的獨立任務。

建議的方法是利用 Python 的多處理模組，特別是它的處理池。這些池採用通用工作進程，為電腦上的每個 CPU 核心分配一個工作進程。因此，多個工作進程可以同時執行已指派的平行任務。

對於我們的特定場景，程式碼將如下所示：

<code class="python">from multiprocessing import Pool
pool = Pool()
result1 = pool.apply_async(setinner, [Q, G, n])  # Evaluate "setinner(Q, G, n)" asynchronously
result2 = pool.apply_async(setouter, [Q, G, n])  # Evaluate "setouter(Q, G, n)" asynchronously
answer1 = result1.get(timeout=10)
answer2 = result2.get(timeout=10)</code>

透過建立處理池，我們實質上委託了執行這些獨立的函數來分離進程，有效地實現並行處理。

需要注意的是，在Python中使用執行緒進行平行程式設計是不可取的，因為全域解釋器鎖定（GIL）會禁止同時操作Python 物件。因此，對於 Python 的平行程式設計工作，建議使用進程而不是執行緒。

以上是非同步並行化獨立 Python 函數的最佳方法是什麼？的詳細內容。更多資訊請關注PHP中文網其他相關文章！