如何在Python中實現並行以提高效率？

Python 中的平行程式設計

傳統上，OpenMP 用於 C 中的平行程式設計。但是，Python 不支援 OpenMP。這就提出了一個問題：我們該如何並行化Python程式碼的特定部分來提高效率？

考慮以下程式碼結構：

solve1(A)
solve2(B)

其中solve1和solve2是獨立的函數。我們的目標是同時執行這些函數，減少整體運行時間。

在Python中，我們可以利用多處理模組來實現平行性。對於給定的場景，可以使用處理池：

<code class="python">from multiprocessing import Pool

pool = Pool()
result1 = pool.apply_async(solve1, [A])  # Evaluate "solve1(A)" asynchronously
result2 = pool.apply_async(solve2, [B])  # Evaluate "solve2(B)" asynchronously
answer1 = result1.get(timeout=10)
answer2 = result2.get(timeout=10)</code>

此方法建立同時處理特定任務的進程。由於未指定進程，因此程式碼利用可用的 CPU 核心，允許每個核心同時執行一個進程。

要將列表對應到單一函數，我們可以使用：

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

請注意，不建議使用線程，因為 GIL（全域解釋器鎖定）限制 Python 物件的操作。利用進程可以規避此限制，從而實現真正的並發。

以上是如何在Python中實現並行以提高效率？的詳細內容。更多資訊請關注PHP中文網其他相關文章！