目前个人计算机大都是多核的,但是在运行python程序的时候会发现实际上只有一个核心(CPU)在跑代码,另外几个核心都在偷懒呢,如下图 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!!! 一些并行模块通过修改pyhton的GIL机制突破了这个限制,使得Python在多核电脑中也能够有效的进行并行计算。PP(Parallel Python)模块就是其中一种。 pp模块是python的一个轻量级并行模块,能够有效提高程序运行效率,使用非常方便。 下面这段测试代码是计算从0到给定范围内所有质数的和,即计算0~100000,0~100100,... ,0~100700这8个范围内的所有质数的和:
- import pp,time,math
- def isprime(n):
- """Returns True if n is prime and False otherwise"""
- if not isinstance(n, int):
- raise TypeError("argument passed to is_prime is not of 'int' type")
- if n < 2:
- return False
- if n == 2:
- return True
- max = int(math.ceil(math.sqrt(n)))
- i = 2
- while i <= max:
- if n % i == 0:
- return False
- i += 1
- return True
-
- def sum_pimes(n):
- """Calculates sum of all primes below given integer n"""
- return sum([x for x in range(2, n) if isprime(x)])
-
- #串行代码
- print("{beg}串行程序{beg}".format(beg='-'*16))
- startTime = time.time()
-
- inputs = (100000, 100100, 100200, 100300, 100400, 100500, 100600, 100700)
- results = [ (input,sum_primes(input)) for input in inputs ]
-
- for input, result in results:
- print("Sum of primes below %s is %s" % (input, result))
-
- print("用时:%.3fs"%( time.time()-startTime ) )
-
- #并行代码
- print("{beg}并行程序{beg}".format(beg='-'*16))
- startTime = time.time()
-
- job_server = pp.Server()
- inputs = (100000, 100100, 100200, 100300, 100400, 100500, 100600, 100700)
- jobs = [(input, job_server.submit(sum_primes, (input, ), (isprime, ),
- ("math", )) ) for input in inputs]
-
- for input, job in jobs:
- print("Sum of primes below %s is %s" % (input, job()))
-
- print("用时:%.3fs"%( time.time()-startTime ) )
-
复制代码
运行效果图: 由于楼主的电脑是伪4核(实际是2核,由于intel使用了超线程把它变成了4核的样子),因此效率只是提高了两倍,不过也还是不错了~ 理论上你的电脑中实际有多少的个核心,通过并行计算就能提高多少被效率(实际的提高倍速会低一点)。 可以看到并行代码只是比串行代码多了几行,然而效率就翻倍了,看到这各位鱼油有木有动心呢 下面就开始正式介绍这个模块了 一:安装 1.从官网下载对应版本的PP模块:http://www.parallelpython.com/content/view/18/32/ 我的系统是Windows,python版本是3.4.4因此选择了下面这个版本 2.在解压目录下打开命令行,输入python setup.py install就自动开始安装了(就是这么简单 ) 二:使用 1.导入模块
2.开启服务
- job_server = pp.Server()
- #ncpus = 4 #可以自己指定使用的核心数
- #job_server = pp.Server(ncpus) #创建服务
- #默认为使用全部核心
复制代码
3.提交任务
- f1 = job_server.submit(func1, args1, depfuncs1, modules1)
- #func1: 被并行执行的函数
- #args1: func的参数,以元组的形式传入
- #depfuncs1: 被func调用的函数,以元组的形式传入
- #modules1: 函数执行需要调用的模块,以元组的形式传入
复制代码
4.获取结果
下面根据之前的测试例子解释下pp模块的使用 子程序
- math
- def isprime(n):
- if not isinstance(n, int):
- raise TypeError("argument passed to is_prime is not of 'int' type")
- if n < 2:
- return False
- if n == 2:
- return True
- max = int(math.ceil(math.sqrt(n)))
- i = 2
- while i <= max:
- if n % i == 0:
- return False
- i += 1
- return True
-
- def sum_pimes(n):
- return sum([x for x in range(2, n) if isprime(x)])
-
复制代码
主程序
- import pp
- job_server = pp.Server()
- inputs = (100000, 100100, 100200, 100300, 100400, 100500, 100600, 100700)
- jobs = [(input, job_server.submit(sum_primes, (input, ), (isprime, ),
- ("math", )) ) for input in inputs]
- for input, job in jobs:
- print("Sum of primes below %s is %s" % (input, job()))
-
复制代码
第1行:导入pp模块 第2行:开启pp服务,没有填参数表示使用全部核心进行计算 第3行:设定任务,即程序需要计算0~100000,0~100100,... ,0~100700这8个范围内的所有质数的和 第4行:是一个列表推导式,它的作用是将inputs中的值传递给sum_primes,并且执行job_server.submit函数。
- 在job_server.submit的参数:
- - sum_primes为被并行执行的函数,注意这里不能写成sum_primes()
- - (input,)为sum_primes的参数即100000,100100,...,100700。注意这里要以元组形式传入,而","是元组的标志,因此括号中的逗号不能漏了
- - (isprime,)是sum_primes执行过程中需要用到的函数,以元组形式传入
- - ("math",)是sum_primes或isprime函数中需要用到的模块,以元组形式传入
复制代码
最后两行:执行完第四行后得到的jobs列表中的每个元素都是一个二元组即(input,func)的形式。这两行的意思就是循环调用func,并打印结果。(通过函数调用的方式获取并行计算结果) 到这里一个使用pp模块进行并行计算的代码就实现了(并行计算就是如此简单 )。 随着任务的需求不同,代码量也会有所变化,不过基本过程就是以上四步。 |