知识卡片
并行方案先评估计算与传输成本
性能瓶颈先定位,再比较算法改进、适合的原生库、独立进程或其他解释器;线程数增加不是唯一途径。进程池能让独立解释器利用多核,但任务过小、序列化过大或状态耦合会抵消收益。原pool.apply是同步等待,不自动重叠同一线程后续工作;它的(args)也不等于单元素元组,应明确参数封装。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
仔细选择底层用到的算法,这可能会比尝试将一个没有优化过的算法用多线程来并行处理所带来的性能提升要高得多。同样地,由于Python是解释型语言,往往只要简单地将性能关键的代码转移到用C语言扩展的模块中就可能得到极大的速度提升。类似NumPy这样的扩展模块对于加速涉及数组数
参考来源
- 位置:《Python Cookbook(第3版)中文版》12.9 如何规避GIL带来的限制(spine20;extracted/Python Cookbook(第3版)中文版/_epub-src/OEBPS/Text/part0018.xhtml;u218-ch12-028)。
- 结论依据:完整读取本条问题、方案、代码与讨论;结论按真实控制流和适用前提表达,额外边界明确为解释或推导,示例未执行。
- 原始内容:仔细选择底层用到的算法,这可能会比尝试将一个没有优化过的算法用多线程来并行处理所带来的性能提升要高得多。同样地,由于Python是解释型语言,往往只要简单地将性能关键的代码转移到用C语言扩展的模块中就可能得到极大的速度提升。类似NumPy这样的扩展模块对于加速涉及数组数