如何在 Python 程序中实现并行性

Python 中的并行编程：并行挑战的解决方案

并行编程旨在通过同时执行多个任务来提高性能。在Python中，C语言中常用的OpenMP并不容易适用。本文解决了在 Python 程序中实现并行性的问题，解决了同时运行独立函数的挑战。

给定的代码结构：

solve1(A)
solve2(B)

需要识别代码中的独立函数。在此示例中，solve1 和solve2 是两个独立的函数。

要并行化此代码，请考虑使用Python 中的多处理模块，该模块允许基于进程的并行性。在给定的场景中，可以利用处理池：

<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>

这种方法利用多个进程（每个 CPU 核心一个）来同时执行独立的功能。这种分工可能会减少程序的运行时间。

将列表映射到单个函数的另一个选项是：

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

需要注意的是，线程不应该是用于 Python 中的并行性，因为 GIL（全局解释器锁）可防止多个线程同时执行 Python 代码，从而导致并行执行无效。

以上是如何在 Python 程序中实现并行性的详细内容。更多信息请关注PHP中文网其他相关文章！