python 多核并行计算-python 并行编程

使用Python实现多核并行计算

原文链接

通常写的程序，不管是单线程还是多线程，大多只有一个进程，只能工作在一个核上。 所以即使很多应用程序满负荷运行，任务管理器中的CPU使用率仍然只有50%（双核CPU）或25%（四核CPU）

如果一个程序可以自己创建多个进程，让它们并行运行，那么它就可以同时运行在不同的cpu核上，从而实现并行计算。

Python 的并行计算就是这样做的。

之前的理解是错误的。。。还需要学习一个

1.多线程和多进程

我以前在操作系统课上学过...

一般来说python 多核并行计算python 多核并行计算，线程是比进程低一级的调度单元。 一个进程可以包含多个进程。

在线程之间切换比在进程之间切换更方便且成本更低。 因此，多线程的效率要高于多进程。

从2.6内核开始，Linux将不同的线程分配给不同的内核进行处理。 Windows 从 NT.4.0 开始也支持此功能。

[参考：

2.多线程与Python

很多语言都可以很好的支持多线程。 然而 Python 是个例外......

对于 IO 密集型任务，使用多线程仍然会增加 CPU 使用率。 对于CPU密集型的任务，Python中的多线程其实是一个鸡肋……无用……

互斥量存在于 Python 的解释器 CPython 中。 简单的说，一次只有一个线程在执行，其他线程都是block模式。

[参考：

3.多进程

如果想在py中充分利用多核cpu，只能使用多进程。

虽然成本较高，但与并行计算带来的性能提升相比，微不足道。 最重要的是好！ 写！ 啊！

这是第一个示例：

```

import multiprocessing
def func1(x):
	while True:
   		print(x)
def func2(x):
	while True:
    	print(x)
if __name__ == "__main__":
	pool = multiprocessing.Pool(processes=2)
	pool.apply_async(func1, (1,))
	pool.apply_async(func2, (2,))
	pool.close()
	pool.join()