Temat 23: Obliczenia równoległe
Wstecz; Ostatnia modyfikacja: 29.05.2015
- Standardowe biblioteki wspierające wielowątkowość i
wieloprocesowość w Pythonie:
threading oraz
multiprocessing
- Procesy (ang. processes) posiadają, między innymi:
- systemowy identyfkator procesu (PID)
- wirtualną przestrzeń adresową
- wykonywalny kod maszynowy
- przynajmniej jeden wątek wykonania
- Wątki (ang. thread)
- jednostki wykonania programu wewnątrz procesu
- wątki współdzielą przestrzeń adresową procesu
- Implementacja wątków w module threading
ogranicza wykonianie programu do tylko jednego wątku na
raz!
"CPython implementation detail: In CPython, due
to the Global Interpreter Lock, only one thread can execute
Python code at once (even though certain performance-
oriented libraries might overcome this limitation). If you
want your application to make better use of the
computational resources of multi-core machines, you are
advised to use multiprocessing. However, threading is still
an appropriate model if you want to run multiple I/O-bound
tasks simultaneously."
- Przykład programu z wieloma wątkami
import threading
import time
exitFlag = 0
class myThread (threading.Thread):
def __init__(self, threadID, name, counter):
threading.Thread.__init__(self)
self.threadID = threadID
self.name = name
self.counter = counter
def run(self):
print "Starting " + self.name
print_time(self.name, self.counter, 5)
print "Exiting " + self.name
def print_time(threadName, delay, counter):
while counter:
if exitFlag:
thread.exit()
time.sleep(delay)
print "%s: %s" % (threadName, time.ctime(time.time()))
counter -= 1
# Create new threads
thread1 = myThread(1, "Thread-1", 1)
thread2 = myThread(2, "Thread-2", 2)
# Start new Threads
thread1.start()
thread2.start()
print "Exiting Main Thread"
Przykład programu z wieloma procesami
from multiprocessing import Pool
def f(x):
return x*x
if __name__ == '__main__':
pool = Pool(processes=4)
result = pool.apply_async(f, [10])
print result.get(timeout=1)
print pool.map(f, range(10))
Ćwiczenie 1: przetestuj szybkość działania
powyższego programu (oraz nieco zmodyfikowanych wersji) w
zależności od liczby wykorzystywanych wątków / procesów.
Zbadaj obciążenie procesora wykananiem badanych programów.
Ile rdzeni jest wykorzystywanych?
Procesy (ang. processes) posiadają, między innymi:
- systemowy identyfkator procesu (PID)
- wirtualną przestrzeń adresową
- wykonywalny kod maszynowy
- przynajmniej jeden wątek wykonania
Przykład programu z wieloma procesami
import multiprocessing
from multiprocessing import Pool
def f(x):
return (x, x*x)
if __name__ == '__main__':
workers = multiprocessing.cpu_count()
pool = Pool(processes=workers)
res = pool.imap_unordered(f, range(200), chunksize=5)
for r in res:
print(r)
Przykład z wykorzystaniem Manager
from multiprocessing import Process, Manager
def f(i, d, l, v, w):
d[i] = '1'
l.reverse()
for j in range(1000):
v.value += 1
w += 1
if __name__ == '__main__':
manager = Manager()
d = manager.dict()
l = manager.list(range(10))
v = manager.Value("i", 1)
w = 0
p1 = Process(target=f, args=(1, d, l, v, w))
p2 = Process(target=f, args=(2, d, l, v, w))
p1.start()
p2.start()
p1.join()
p2.join()
print d
print l
print v
print w
Ćwiczenie 2: przetestuj szybkość działania
powyższego programu (oraz nieco zmodyfikowanych wersji) w
zależności od liczby wykorzystywanych wątków / procesów.
Zbadaj obciążenie procesora wykananiem badanych programów.
Ile rdzeni jest wykorzystywanych?