Comment paralléliser les fonctions Python à l'aide du multitraitement et des cartes parallèles ?

Programmation parallèle en Python

En Python, la programmation parallèle permet à certaines sections d'un programme de s'exécuter simultanément, améliorant potentiellement les performances. Pour réaliser le parallélisme en Python, le module multitraitement est un choix populaire.

Exemple :

Considérons une structure de code impliquant deux fonctions indépendantes, solve1 et solve2. Pour paralléliser ces fonctions :

<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>

Ce code crée un pool de traitement qui génère des processus pour gérer l'exécution asynchrone de solve1 et solve2. Chaque processus exploite un cœur de processeur différent pour une exécution simultanée.

Options de parallélisation alternatives :

Une autre option pour paralléliser des sections de code consiste à utiliser une carte parallèle. Dans de tels cas, vous auriez une liste d'arguments et appliqueriez une seule fonction à chaque argument en parallèle :

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

Considérations :

Bien que les threads puissent également être utilisé pour la concurrence, le Global Interpreter Lock (GIL) en Python empêche l'exécution parallèle d'objets Python, rendant les threads inefficaces pour paralléliser le code Python.

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!