Python并行化

### Python 并行化处理方法 #### 基于进程的并行处理 为了充分利用多核 CPU 的计算资源,在 Python 中可以通过 `multiprocessing` 模块来创建多个子进程来进行并行任务处理[^4]。由于 GIL (全局解释锁) 的存在,使得在同一时刻只有一个线程能够执行 Python 字节码,因此对于 CPU 密集型的任务来说,采用多进程的方式绕过这一限制是非常有效的策略。 ```python from multiprocessing import Process, Pool import os def task(name): print('Run task %s (%s)...' % (name, os.getpid())) start = time.time() time.sleep(random.random() * 3) # Imitate a random delay between 0 and 3 seconds. end = time.time() print('Task %s runs %.2f seconds.' % (name, (end - start))) if __name__=='__main__': print('Parent process %s.' % os.getpid()) p = Pool(4) # Create a pool of workers with size 4. for i in range(5): p.apply_async(task, args=(i,)) print('Waiting for all subprocesses done...') p.close() p.join() print('All subprocesses done.') ``` 上述代码展示了如何通过 `Pool` 来管理一组工作进程池,并分配给它们不同的任务去完成。这里需要注意的是当调用了 `p.close()` 方法之后就不能再向这个进程中添加新的任务了;而 `join()` 则会阻塞当前主线程直到所有的子进程都结束为止。 #### 使用并发库简化编程模型 除了原生支持外,还有第三方库可以帮助更方便地编写并行程序。例如 `concurrent.futures` 提供了一个高层次接口用于异步执行调用——它允许开发者不必关心底层细节就能轻松启动大量后台操作[^1]: ```python from concurrent.futures import ThreadPoolExecutor, as_completed import urllib.request URLS = ['http://www.foxnews.com/', 'http://www.cnn.com/', 'http://europe.wsj.com/', 'http://www.bbc.co.uk/'] def load_url(url, timeout): with urllib.request.urlopen(url, timeout=timeout) as conn: return conn.read() with ThreadPoolExecutor(max_workers=5) as executor: future_to_url = {executor.submit(load_url, url, 60): url for url in URLS} for future in as_completed(future_to_url): url = future_to_url[future] try: data = future.result() except Exception as exc: print('%r generated an exception: %s' % (url, exc)) else: print('%r page is %d bytes' % (url, len(data))) ``` 这段脚本利用了 `ThreadPoolExecutor` 对象来发起 HTTP 请求获取网页内容。这种方式不仅简洁明了而且易于维护扩展。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值