8、并行计算中的负载均衡、数据并行与消息传递

并行计算中的负载均衡、数据并行与消息传递

1. 负载均衡视图与并行函数装饰器

负载均衡视图支持 targets 字段，这意味着并非所有引擎都需要进行负载均衡。例如：

In [54]: balView.targets = [1, 3]

这将确保只有引擎 1 和 3 成为未来 apply 和 map 请求的目标，并且这些请求将进行负载均衡。使用 targets 字段可以非常直接地将不同函数分配到不同的处理器集，具体步骤如下：
1. 选择目标集和函数。
2. 异步使用 map 或 apply ，并将 AsyncResult 保存在本地变量中。
3. 重复步骤 1 直到完成。
4. 使用本地变量获取所有到达的结果。

@parallel 函数装饰器有助于将标准 Python 函数轻松转换为并行执行。示例如下：

In [38]: @balView.parallel()
   ....: def f(n):
   ....:     curr = n
   ....:     tmp = 1
   ....:     while curr != 1:
   ....:         tmp = tmp + 1
   ....: