对于“特征选择/提取/权重”的含义以及它们之间的区别，我有点困惑。当我阅读文献时，有时我会感到茫然，因为我发现这个词使用得相当松散，我主要关心的是-- 当人们谈论特征频率、特征存在时——是特征选择吗 当人们谈论诸如信息增益、最大熵等算法时，它仍然是特征选择 如果我训练分类器——以一个要求分类器记录单词在文档中的位置为例的特征集为例——人们还会称之为特征选择吗 谢谢 Rahul Dighe特征选择是从集合中选择“感兴趣”的特征进行进一步处理的过程 特征频率就是特征出现的频率 信息增益、最大熵等是加

我正在测试一小段代码的速度，如下所示： for(i=0;i<imgDim;i++) { X[0][i] = Z[i] - U1[i] * rhoinv; X[1][i] = Z[i] - U2[i] * rhoinv; X[2][i] = Z[i] - U3[i] * rhoinv; } （i=0；i时间表（动态）引入了巨大的运行时开销。它只应用于每次迭代可能需要不同时间的循环，改进的

我必须承认，我当时正在阅读gnu并行文档，但我不能 找到我要找的东西。 我需要运行一个有几个选项的代码。这段代码是数学密集型的，在一台运行在单核上的3Ghz计算机上需要5天的时间。 我以前使用过gfortran和-fopemp，但现在我运行这个C代码，所以gnu并行似乎足够了。现在谈到这个问题，我需要使用nice和nohup执行wcmap.c，并使用以下选项： nohup nice -n 19 ./wcmap --slon_min 74.5 --slon_max 74.5 --ll_0_min

在OpenMP中，有一个例程OMP_TEST_LOCK，当线程调用该例程试图设置锁时，该例程不会在锁不可用时阻塞 我想知道当线程试图锁定的锁不可用时，如果不阻塞，调用线程会做什么？谢谢 将指示是否可以通过返回代码设置锁 例如： if( omp_test_lock( &a_lock ) ) { work_a(); omp_unset_lock( &a_lock ) ) } else { work_b(); } work_c(); 如果可以设置锁，将调用wo

我正试图让并行测试在NUnitv3中工作，但是，这些测试似乎不起作用 考虑到以下测试类别： namespace NUnitAlpha3Experimental { [TestFixture] [Parallelizable(ParallelScope.Children)] class DummyTests { [Test] public void MustSuccess() { Assert.

我们在集成Spark Kafka streams时面临性能问题 项目设置： 我们使用的Kafka主题有3个分区，每个分区生成3000条消息，并在Spark direct streaming中进行处理 我们面临的问题是： 在处理端，我们使用Spark direct stream方法来处理相同的问题。根据以下文件。Spark应该创建与主题中分区数量相同的并行直接流（本例中为3）。但是在阅读时，我们可以看到来自分区1的所有消息都是先处理后处理的。为什么它不是并行处理？根据我的理解，如果同时从所有分区并

我知道Pregel的图形计算框架基于BSP，GraphLab基于GAS。BSP和GAS的区别是什么？每种方法的优缺点是什么

我需要用openmp 4.5并行化这段代码（fortran77） DO 700 K=1,KMM1 K1 = KB1(K) K2 = KB2(K) DO 700 J=2,JM JSB= JSBLK(J) J1 = JB1(J) J2 = JB2(J) DO 700 I=1,IMM1

我试图按照使用ipyparallel的说明来加速Jupyter笔记本中的一些Python脚本。当做 将IPY并行导入为ipp IPPC=ipp.Client（） 我得到以下错误： Using matplotlib backend: TkAgg Waiting for connection file: ~/.ipython/profile_default/security/ipcontroller-client.json -----------------------------------

什么是平行扇入 背景： 并行归约并行执行此操作，通常通过执行并行扇入，前提是可以按任何顺序生成和归约条目 领域：并行计算 感谢A是指逻辑门的输入数量 在源代码的上下文中，并行扇入的含义可以分解为两个并行操作的逻辑门输入 A是一个逻辑门输入数量的参考 在源代码的上下文中，并行扇入的含义可以分解为两个并行操作的逻辑门输入 扇入只是向所有可用输入发送信号。它用于电气工程，但也用于批处理和明显的并行计算 并行扇入有点多余，但通常的想法是设置大量计算单元或多或少同时工作，即图像的所有位一次发送到GPU进行

我不熟悉在matlab中使用分布式和协同分布式阵列。我制作的并行代码可以工作，但是比串行版本慢得多，我不知道为什么。下面的代码示例根据体积数据计算hessian矩阵的特征值 序列版本： S = size(D); Dsmt=imgaussian(D,2,20); [fx, fy, fz] = gradient(Dsmt); DHess = zeros([3 3 S(1) S(2) S(3)]); [DHess(1,1,:,:,:), DHess(1,2,:,:,:), DHess(1,3,:,:,

为什么ifort不并行化此代码？ 它一直在说“循环没有并行化：存在并行依赖”。我不明白依赖性在哪里。gfortran将生成并行代码，但速度不是很高 PROGRAM erat IMPLICIT NONE INTEGER*8 :: i, rm, sn=1000000000 LOGICAL*1 , ALLOCATABLE, DIMENSION(:) :: nums rm = INT( DBLE(sn)**0.5) + 1 ALLOCATE(nums(sn)) nums = .TRUE.

我有一段带有两个嵌套for循环的代码。当第一个步骤很少时，第二个步骤很多，反之亦然。我可以使用omp for指令独立地运行这两个for循环，并且我有一致的结果（和一些加速）。然而，我想： 如果有16个步骤或更多步骤，则并行运行第一个步骤 否则，并行运行第二个步骤（但不运行第一个步骤，即使它有8个步骤） 这不是嵌套并行，因为一个循环是并行的，或者另一个是并行的。如果我独立运行它们并运行top-H来查看线程，我有时只观察一个线程，有时观察更多线程（在每种情况下），那么我想做的事情是有意义的，并且实际

现在我有了一些我想并行化的代码。最简单的方法是使用openmp，它将利用多个处理器及其内核和共享内存。我可以访问一个用于数字运算的网络。我不知道上面的内存是共享的还是分布式的。我怎么才能知道呢？如果它是共享的，那么我可以很容易地使用openmp，它将工作。我很少使用/proc/cpuinfo，我发现网络上有8个处理器可用。而且我做的/proc/meminfo更少，它告诉我我有32000兆字节的内存。如果你使用OpenMP，你可能只在你的机器上编写软件，因为它的目标是让并行编程的使用对用户透明。您

有人写道，MPI_Cart_shift的输出参数是源进程和目标进程的秩。但是，在（下面的代码）中，作为源进程返回的内容稍后在MPI_Isend中用于发送消息。任何人都可以弄清楚，“来源”和“目的地”到底是什么意思 #包括“mpi.h” #包括 #定义尺寸16 #向上定义0 #下定义1 #定义左2 #定义权利3 int main（argc、argv） int-argc； char*argv[]；{ int numtask，秩，源，目标，突发，i，标记=1， inbuf[4]={MPI_PROC_N

在我的HPC应用程序中，我有时会通过动态分配和松散的性能填充所有内存。我正在使用MPI fortran。是否有一个编程模型/环境，当我快要填满内存时，该环境会产生新的进程？我可以想象这样一个模型将如何要求我显式地指定问题将如何划分。这样的事情已经实现了吗？您可以监视内存分配（通过在malloc之前/空闲之后计数，或者通过getrusage（）。MPI-2允许生成新的MPI进程（MPI\u spawn）。命令行中的free实用程序可以报告总内存大小和交换大小。好主意。但我想知道是否有支持此功能的编

我是ApacheStorm新手，我正在尝试为自己弄清楚如何配置Storm并行性。所以有一篇很棒的文章“，但它只会引起问题 当您拥有多节点storm群集时，每个拓扑将根据拓扑\u WORKERS配置参数作为一个整体分布。因此，如果你有5个工人，那么你有5份喷口（每个工人1份），螺栓也是一样 如何在风暴群内部处理此类情况（最好不创建外部服务）： 我需要所有拓扑实例都使用一个喷口，例如，如果输入数据通过一个网络文件夹推送到集群，该文件夹将被扫描以查找新文件 混凝土类型的螺栓也存在类似问题。例如，当数据

我正在尝试编写MPI发送/接收代码，但遇到问题。我想检查接收消息。如果我有任何消息来源，请阅读此消息。否则，继续代码 MPI_Comm_size(MPI_COMM_WORLD,&p); MPI_Comm_rank(MPI_COMM_WORLD,&id); MPI_Status status; int source,ask,request,answer,tag=10; for(i=first; i<last; i++){ if(there is a message f

我已经阅读了有关风暴平行线的相关资料，但仍有一些不清楚的地方。假设我们以tweet处理为例。通常我们所做的是检索推文流，计算每条推文的字数，并将数字写入本地文件 我的问题是如何理解喷嘴和螺栓平行度的价值。在builder.setSpout和builder.setBolt函数中，我们可以分配并行值。但在推特的字数计算中，只设置一个喷口是否正确？多个喷口被视为第一个相同喷口的副本，相同的推特通过该喷口流入多个喷口。如果是这种情况，设置多个喷口的值是多少 另一个不清楚的问题是如何为螺栓分配工作？平行机

我基于Fortran的MPI代码不涉及进程之间的通信。只对每个进程进行计算并计时。我的平台是英特尔桑迪桥。代码是使用MPiFort包装器编译的。我有两个无法解释的观察结果： 1） 计算时间随着涉及更多机器而增加，其中每台机器有16个核（2个处理器，每个处理器8个核）。例如，16个MPI级别最多耗时5.74秒，32个级别最多耗时13.64秒，48个级别最多耗时18.26秒，而64个级别最多耗时25.92秒。由于不涉及任何通信，所以我希望无论如何启动名称MPI列组，都能获得相同的时间。代码包括在下面

我知道阿姆达尔定律和并行程序的最大加速比。但是我不能正确地研究古斯塔夫森定律。什么是古斯塔夫森定律？阿姆达尔定律和古斯塔夫森定律有什么区别？阿姆达尔定律 假设您有一个顺序代码，并且其计算的一部分f被并行化，并在并行工作的N处理单元上运行，而剩余部分1-f无法改进，即无法并行化。阿姆达尔定律指出，通过并行化实现的加速是 古斯塔夫森定律 Amdahl的观点集中在一个固定的计算问题上，因为它处理的代码占用固定的顺序计算时间。Gustafson的反对意见是，大规模并行计算机允许以前不可行的计算，因为它

所以我需要解线性系统（A+I*mu*I）x=b，其中A是稠密厄米矩阵（6x6复数），mu是实标量，I是单位矩阵 显然，如果mu=0，我就应该使用Cholesky并完成它。但对于非零μ，矩阵不再是厄米特矩阵，Cholesky失败 可能的解决办法： 用Cholesky解正规算子并乘以共轭 用LU分解直接求解 这是一个时间关键型性能例程，我需要最有效的方法。关于最优方法有什么想法，或者是否有解决上述移位厄米系统的具体方法 这将部署在CUDA内核中，我将在其中并行求解许多线性系统，例如，每个线程一个。这

我正在处理相对较小的有向图（~10个节点），每个有~10000个简单路径和循环。我想维护一个总成本的排序列表，以遍历所有这些简单的路径和周期。我的边有几个不同的权重，但聚合函数对所有边都是交换/关联的（例如，和和和积） 现在，我正在使用RejectionDB（nosql数据库）和python。我正在预先计算所有可能的简单路径，将它们存储在哈希映射中，每次更新边权重时，只需使用蛮力重新计算遍历开销。我的哈希映射将给定的边（其权重刚刚更新）指向它所属的所有简单路径和循环。然后我去重新计算每一个的遍历

我是OpenCL的乞丐。我知道当使用一个内核时，每个工作项都执行相同的内核。但是，当使用多个不同的内核并并行工作时，它们如何分布在工作项中？它们中的哪一个将执行一个内核，哪一个将执行其他内核？这是如何区分的 谢谢通常一个内核会在下一个启动之前完成（它们不会并行运行）。当然也有例外，但你必须选择加入。单个内核的执行是在称为工作组的集合中进行的，其中包含各个工作项。工作组可以以任何顺序运行，并且可以并行运行（是否以锁定步骤运行；无所谓）。内核在最后一个工作组完成时“完成”。然后下一个内核启动。通常一

有人能详细说明mpi和mapreduce之间的区别吗？有关mpi是什么的解释，请参阅。有关什么是MapReduce的解释，请参见 两者之间有一些区别。MPI是一种标准化API，具有多种实现，如OpenMPI或MPICH。MapReduce主要是一种编程范式，它有大量不同编程语言和数据库语言的实现 你指的是哪个MPI？依我看，与MapReduce的对比非常明显

我有一个3D矩阵，其中x-y平面表示图像，z平面表示图像层。 问题是，当我尝试使用idz提取第一层或其他层时，我没有得到预期的结果。看起来，一旦在CUDA中，数组的x、y或z索引与我在pycuda中预期的不同。我通过下面的结果数组看到了这一点。 下面是这个小例子的一步一步的过程，我使用通用的整数来表示我的图像，以保存上传的图像和整个代码！ 这里我导入库并定义图像大小和图层 import pycuda.driver as cuda import pycuda.autoinit from pycud

我需要基于更大的mpi通信器（mpi-comm-world）创建一个子通信器（mpi-comm-world） 特别地，在检测循环之后，例如 如果进程中存在某个东西 我需要在新的通信器mpi_comm_world_2中收集与检查相关的所有标记为true的过程 我无法找到一份清晰的文档来完成这项工作。问得好 这就是命令的好处 定义 论据 comm：要从中构建新通信器的通信器的句柄 color：一个非负整数，指示如何在新的通讯器中对进程进行分组。具有相同颜色的进程位于相同的新通信器中 键：控制秩分配

我知道网上有免费的生成器，但我想了解如何为多位数据生成CRC。我希望了解，当我们开始考虑并行输入位时，逻辑的展开是如何工作的。串行实现很容易理解，但我需要理解并行实现背后的逻辑 软件通常使用表格查找一次处理多个位，例如256项表格一次处理8位，或者可以使用无卡利乘法（如X86 PCLMULQDQ）指令进行CRC 对于硬件，二进制（GF（2））矩阵乘以固定矩阵通常用于替换表查找，因为它需要较少的门。例如，编码矩阵将是8 x 32位矩阵，而不是将8位输入转换为32位crc的256 x 32位查找表。

我的问题是，smem[1]=全局_内存[1]；smem[0]上的块计算？ 在中，他们说内存读取不会暂停线程，直到读取的数据被使用。将其存储到共享内存是否与使用数据一样重要？我是否应该这样做： LDG Rx, [Ry] LDG Rw, [Ry+1] STS [Rz], Rx STS [Rz+1], Rw __共享浮点数smem[2]； 浮点a=全局_内存[0]； 浮点b=全局_内存[1]； smem[0]=a； /*过程smem[0]*/ smem[1]=b； /*过程smem[1]*/

在使用ApacheCamel（3.6.0）的SpringBoot（2.3.0.RELEASE）应用程序上，我在并行模式下遇到了调度程序组件的奇怪行为；特别是，我想创建一个路由，它每n秒执行一个给定的逻辑。 为此，我编写了以下示例： @Component public class TestRoute extends RouteBuilder { @Override public void configure() { from("scheduler:testRoute?de

我在网上找到了一些资料，表明有一些八度音阶的工具可以使算法并行化，但找不到任何细节，也找不到如何获取和使用它们。对这方面的任何帮助/见解都将非常有用。 只需安装软件包，函数参考可能会有所帮助。在您发送的链接上说：“要在一台机器上并行执行，请参阅软件包概述中的函数parcellfun（作者：Jaroslav Hajek）。”我不确定这意味着什么……我希望能够在一台机器上并行运行八度循环。现在尝试此链接

我试图直观地理解，如果我并行化合并排序，我可以加快多少速度 到目前为止，我的想法是： 如果N是数组中要排序的元素数，那么log（base 2）N是我需要的最高核心数。我认为这是因为mergesort中有2*log（基数2）N+1个级别。首先，通过反复将其除以2将其分解，然后反复合并两个已排序的数组，直到再次得到一个包含N个项的数组（现在已排序） 我想弄清楚这到底能在多大程度上提高性能。我认为，随着我们向算法的中间部分迈进，由于增加了内核而导致的性能提高将会增加，因为我们可以使用更多的内核。假设在

我的问题很简单，MPI_散射函数的定义是： #include <mpi.h> void MPI::Comm::Scatter(const void* sendbuf, int sendcount, const MPI::Datatype& sendtype, void* recvbuf, int recvcount, const MPI::Datatype& recvtype, int root) const #包括 void MPI:：Comm:：Scatter（

在多CPU机器中，不同的CPU是竞争相同的内存带宽，还是独立访问DRAM 换句话说，如果一个程序的内存带宽受到限制，比如说一个单CPU 8核系统，那么转移到一个4 CPU 4*8核的机器上会有机会提高它的速度吗（假设CPU和DRAM是可比的）？是的，所有CPU都在争夺相同的带宽。从CPU芯片到RAM只有一个硬件连接，因此所有访问都必须通过它 可以共享或不共享不同级别的CPU缓存，以缓解此问题。只有缓存未命中需要转到RAM本身。请参见您的主要问题的答案是：视情况而定。这取决于什么？这取决于你的营地

我试图将8个处理器分成两个子组。其中一个子组包含两个处理器，例如，它们的秩分别为0和1。对于当前示例，我不需要其他组。下面上下文中的代码片段就是我用来实现这一目标的代码片段。但是，我一直在获取错误消息 我收到的一条错误消息如下： Fatal error in PMPI_Comm_rank: Invalid communicator, error stack: PMPI_Comm_rank(121): MPI_Comm_rank(MPI_COMM_NULL, rank=0x7fff5a451e10

Grettings，我开始学习arrayfire和并行计算，对Gfors和seq方法有一个问题 Gfor的语法类似于 Gfor( seq ii, N) 在常规for循环中，（通常）有一个int值，因此在for中，我可以访问像V[0][i]这样的数组中的数据，并在计算中使用该值。问题是如何在GFor中执行相同的操作（获取保存在某个数组中的整数值），显然V[0][seq]不起作用 谢谢你的回答：D！！/*对不起，我的英语不好/ /为is编辑 for( int i = 0; i < q ;

作为确保并行程序执行正确性所需的内存围栏的经典示例，通常给出以下示例： P1： P2： 一方面，为了获得最佳性能，处理器尝试（合法地）对指令进行重新排序，以便在考虑顺序执行时，重新排序的指令序列与原始指令序列具有完全相同的效果。 另一方面，为了确保顺序执行指令序列的正确性，必须考虑控制依赖性。 从这个角度来看，P2执行的while语句不是控件依赖项吗？ 如果是这样，那么唯一需要的内存围栏就是P1的第1行和第2行之间的存储围栏，对吗 x = 42; //line 1

通常，我以这种方式运行MPI作业： mpirun-np 20--主机host1、host2./programma.exe 此命令将10个任务分配给每个节点。但我的问题是，我是否可以将5个任务分发给主机1，将15个任务分发给主机2？可能与您的MPI运行（MPI库的名称和版本）重复？MPI实现之间可能有点不同。有时host1:N1、host2:N2工作，其中N1和N2是每个节点的推荐cpu计数。有时，您需要以每行一个主机的格式将这些文件放入文件中。

我使用以下cmake选项构建： cmake -G "Eclipse CDT4 - Unix Makefiles" -D CMAKE_BUILD_TYPE=RelWithDebInfo -DWITH_TBB=OFF -DWITH_OPENMP=ON -DCMAKE_C_COMPILER=icc -DCMAKE_CXX_COMPILER=icpc -DCMAKE_CXX_FLAGS="-debug inline-debug-info -parallel-source-info=2 -ipo -pa

1D数据集被划分为多个段，每个工作项处理一个段。它从段中读取多个元素？元素的数量事先不知道，每个段的数量不同 例如： +----+----+----+----+----+----+----+----+----+ <-- segments A BCD E FG HIJK L M N <-- elements in this segment 因此，一段中元素的绝对输出位置取决于前一段中元素的数量E位于位置4，因为段包含1

我使用的是使用HDF5（1.10.1）的Fortran代码。在某些情况下，会调用使用h5fopen\u f打开文件： H5FileName = "+hdf5/Temperature_00000_00001.h5" CALL h5fopen_f(H5FileName, H5F_ACC_RDWR_F, file, hdferr) Scalardataset = 'Temperature_00001_0000' call h5ltget_dataset_info_f(file, Scalardatas

我有两套 短语集包含“埃菲尔铁塔”、“东京铁塔” wordSet包含“埃菲尔铁塔”、“塔楼”等词 如何使用Java 8并行流处理逻辑，如： 1.对于phraseSet中的每个项目，将其标记化，查看wordSet中是否存在所有标记，如果存在，则将该项目添加到名为resultSet的新集合中。 在本例中，resultSet将包含“埃菲尔铁塔” 如果我使用传统的for循环，这很容易做到，但我在尝试使用并行流时感到困惑，我希望并行流也能更快，因为它是并行处理的。Afilter和allMatch就足够了：

关于交换零计数数据（例如，通过MPI_Send和MPI_Recv），我有一些问题，在MPI文档中很难找到答案： 1） 据我所知，计数等于0是合法的（根据MPI标准）。还是定义了实现 1a）在诸如MPI\u Gatherv之类的函数中，某些计数是否可以为零 2）如果计数为零，缓冲区是否仍然必须是有效指针？或者可以是NULL/未初始化？ 3） 即使计数为0，也会通过网络进行一些通信，即某些标头/元数据仍在通信。我说得对吗？1）计数等于零是合法的 1a）在MPI\u Gatherv（）（和MPI\u

cucumber 4的并行执行对我来说是可行的，但我想对所有测试只执行一次某些操作，这是在另一个线程中运行一些钩子的一种可能方式？根据您的要求，您想对所有测试用例执行一次某些操作，是像所有测试用例执行之前还是之后一样。如果是这样，那么从JUnit/TestNG添加@BeforeClass，类似地，您可以在RunCuke类中使用@AfterClass。这段代码将在运行第一个类之前和所有测试执行完成之后运行一次 它可能会工作或添加标记挂钩给你一些线索。与某些特定的测试用例一样，您可以使用标记的钩子并

我有一个简单但非常耗时的函数，我想将其并行化以加快速度。这是Jupyter笔记本上的Python 3.6。我是这样做的： from multiprocessing import Pool def func(x): return x**2 y = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] with Pool(5) as pool: results = pool.imap_unordered(func, y) for r in results: prin

我的fortran代码中有一个并行区域，它使用OpenMP并调用子例程，这些子例程在其作用域中使用带有save属性的变量。这导致了一个问题，因为它们是在线程之间共享的，所以我的问题是，是否有一种方法使这些变量在子例程调用之间保存时成为私有的，或者我需要输入和输出它们 谢谢您可以使用threadprivate来实现这一点-下面的代码显示了两种稍微不同的方法。但请注意 a） 如果并行区域使用相同数量的线程，则仅保证在并行区域之间保留这些值 b） 请仔细考虑您是否真的需要save，save和并行编程很

类似于但适用于CircleCI而非Jenkins 我有一个工作圈。我的工作之一是运行测试。它接受一个名为filter的参数，该参数被传递给实际运行测试的命令（jest） 这很好用。但是这里有很多重复 是否有一种方法可以循环浏览筛选值列表，并使用每个值运行作业？您需要的是一个矩阵。下面是一个片段： 工作流： 主要内容： 工作： -测试： 矩阵： 参数： 过滤器： -“--testPathPattern='feedArea.test'” -“--testPathPattern='blackListA

我正在使用GNU Parallel创建python作业文件。我希望文件看起来像这样： job_num, args 001, -a 1 -b 2 002, -a 1 -b 4 003, -a 2 -b 2 004, -a 2 -b 4 其思想是，可以在文件生成时配置每组参数，同时使前导的作业编号为零 我试过一件事： parallel --rpl '{0#} $_=sprintf("%02d",$job->seq())' echo {0#}, -a {1} -b {2}

在我发现GNU并行（竖起大拇指）之后，我正试图为我的芯片序列分析编写一个更高效的管道 我的脚本很长，当我必须使用一个名为MACS2（）的程序调用peaks时，它会进入瓶颈 首先，Macs2有时运行4小时（实时），第二次在for循环中我运行7个Macs2调用，第三次我必须在47个包含1000-1亿行的文件上执行此操作 最初，我使用的是： ${data}中项目的；做 macs2呼叫峰值（…） macs2呼叫峰值（…） macs2呼叫峰值（…） macs2呼叫峰值（…） macs2呼叫峰值（…） ma

我找到了一个例子，但我不知道如何使代码工作 班级工作人员： 定义初始化（self，func，n=3）： self.func=func self.queue=asyncio.queue（） self.semaphore=asyncio.semaphore（n） def put（自身，*参数）： self.queue.put_nowait（args） 异步def运行（自）： 尽管如此： args=等待自我。_get（） 如果args为None： 返回 异步。确保未来（自身目标（args）） 异步定义