并行计算作业补充（Python实现）

前情提要

之前由于并行计算的作业被视为类同或抄袭网络，正好最近学习Python，于是刚好在这里作一个补充，新方法采用Python实现并行，一来学习用，二来为了完成作业。

旧作业地址如下：
OpenMP计算圆周率

Python并行计算

Python在并行计算方面使用的是GIL(Global Interperter Lock，全局解释器锁)，被认为的多线程其实是伪的，比较鸡肋，但在实验环境中，配合GPU，其实还不是很鸡肋，在此我们就讲解一下；

Python的原解释器CPython是有GIL的，在执行代码过程中，会产生互斥锁来限制线程对共享资源的访问，而GIL的作用就是，一个进行同一时间只能允许一个线程运算，摆明的单线程啊！

由于CPython中的GIL的存在我们可以暂时不奢望能在CPython中使用多线程利用多核资源进行并行计算了，因此我们在Python中可以利用多进程的方式充分利用多核资源。

并行计算的目的是将所有的核心都运行起来以提高代码的执行速度，在python中由于存在全局解释器锁（GIL）如果使用默认的python多线程进行并行计算可能会发现代码的执行速度并不会加快，甚至会比使用但核心要慢！！！

用到的库

下面就来简单介绍几个Python并行计算中用到的库，最后再使用Python实现一个小例子，应该可以完成作业了吧？

在Thread和Process中，应当优选Process，因为Process更稳定，而且，Process可以分布到多台机器上，而Thread最多只能分布到同一台机器的多个CPU上。当然我们处理一个简单的例子用哪个都可以。

这里我们使用Python的multiprocessing模块，其中managers子模块还支持把多进程分布到多台机器上。一个服务进程可以作为调度者，将任务分布到其他多个进程中，依靠网络通信。由于managers模块封装很好，不必了解网络通信的细节，就可以很容易地编写分布式多进程程序。

• 简单介绍一下multiprocessing模块的用法：

multiprocessing模块提供了一个Process类来代表一个进程对象。创建子进程时，只需要传入一个执行函数和函数的参数，创建一个Process实例，start()方法启动，join()方法可以等待子进程结束后再继续往下运行，通常用于进程间的同步。

代码举