f(D [s1],D [s2]) – >浮动
对于D中的一对字符串(s1,s2)
另外,
我创建了一个自定义矩阵类LabeledNumericMatrix,它允许我执行m [ID1,ID2] = 1.0等赋值.@H_403_6@
我需要计算f(x,y)并将结果存储在m [x,y]中,用于字符串S集合中的所有2元组,包括s1 = s2时.
这很容易编码为循环,但是当集合S的大小增长到10,000或更大的大值时,执行此代码需要相当长的时间.@H_403_6@
我存储在标记矩阵m中的结果都不相互依赖.
因此,使用python的多线程或多进程服务并行化这个计算似乎很简单.
但是,由于cPython不能真正允许我通过线程同时执行f(x,y)的计算和m [x,y]的存储,似乎多进程是我唯一的选择.
但是,我不认为多进程被设计为在进程之间传递大约1GB的数据结构,例如我的包含10000×10000元素的标记矩阵结构.@H_403_6@
任何人都可以提供(a)如果我应该避免尝试并行化我的算法,以及(b)如果我可以进行并行化,如何做到这一点,最好是在cPython？@H_403_6@
解决方法
创建服务器进程.它是Multiprocessing包的一部分,允许并行访问数据结构.这样,每个进程都将直接访问数据结构,锁定其他进程.@H_403_6@
从the documentation开始：@H_403_6@
Server process@H_403_6@
A manager object returned by Manager() controls a server process which
holds Python objects and allows other processes to manipulate them
using proxies.@H_403_6@A manager returned by Manager() will support types list,dict,
Namespace,Lock,RLock,Semaphore,BoundedSemaphore,Condition,Event,
Queue,Value and Array.@H_403_6@
第二种选择 – 工人池@H_403_6@
创建Pool of workers,输入队列和结果队列.@H_403_6@
>作为生产者的主要进程将使用对(s1,s2)为输入队列提供信息.
>每个工作进程将从输入队列中读取一对,并将结果写入输出队列.
>主线程将从结果Queue中读取结果,并将它们写入结果字典中.@H_403_6@
第三种选择 – 分为独立问题@H_403_6@
您的数据是独立的：f(D [si],D [sj])是一个隐蔽的问题,与任何f(D [sk],D [sl])无关.此外,每对的计算时间应该相当相等,或至少在相同的数量级.@H_403_6@
将任务划分为n个输入集,其中n是您拥有的计算单元(核心,甚至计算机)的数量.将每个输入集分配给不同的进程,并加入输出.@H_403_6@