如何在Python中实现并行以提高效率？

Python 中的并行编程

传统上，OpenMP 用于 C 中的并行编程。但是，Python 不支持 OpenMP。这就提出了一个问题：我们如何并行化Python代码的特定部分来提高效率？

考虑以下代码结构：

solve1(A)
solve2(B)

其中solve1和solve2是独立的函数。我们的目标是同时执行这些函数，减少整体运行时间。

在Python中，我们可以利用多处理模块来实现并行性。对于给定的场景，可以使用处理池：

<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>

此方法创建同时处理特定任务的进程。由于未指定进程，因此代码利用可用的 CPU 核心，允许每个核心同时执行一个进程。

要将列表映射到单个函数，我们可以使用：

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

请注意，不建议使用线程，因为 GIL（全局解释器锁）限制对 Python 对象的操作。利用进程可以规避此限制，从而实现真正的并发。

以上是如何在Python中实现并行以提高效率？的详细内容。更多信息请关注PHP中文网其他相关文章！