对于一些计算密集性的任务，使用Python的多进程能显著缩短运行的时间。例如对10个元素进行相同的操作，通过Python的multiprocessing 包可以进行并行化，实测能有数倍的速度提升。这里写一个简单的例子，将所有的结果写入队列，等队列拿到10个结果后，将结果写入文件。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
| from multiprocessing import Queue, Process, Pool
import os
import time
import numpy as np
def write_queue(q, i):
print(f'Begin process ({os.getpid()})')
cur_value = i * i
q.put(cur_value)
def read_queue(q, num_sample):
val_list = []
while True:
v = q.get(True)
val_list.append(v)
if len(val_list) >= num_sample:
np.save('data.npy', np.array(val_list))
return
def main():
NUM_PROCESS = 10
q = Queue(NUM_PROCESS)
pws = []
for i in range(NUM_PROCESS):
pw = Process(target=write_queue, args=(q, i))
pws.append(pw)
pr = Process(target=read_queue, args=(q, NUM_PROCESS))
for pw in pws:
pw.start()
pr.start()
for pw in pws:
pw.join()
pr.terminate()
data = np.load('data.npy')
print(data)
if __name__ == '__main__':
main()
|