运行2+；Python中并行的独立类方法

我不熟悉Python中的多处理。我有一个简单的程序，如：

class test:
    ...
    def func():
        return something

inst1 = test(init1, ...)
inst2 = test(init2, ...)
inst3 = test(init3, ...)

x = []
while(some_condition):
    a = inst1.func()
    b = inst2.func()
    c = inst3.func()
    x.append(do_something(a, b, c))

func是CPU密集型的，每次调用时都返回不同的值

我有一台装有2个8核CPU的机器，安装了Ubuntu和Python 2.6.5（不幸的是，无法更新），另一台机器只有一个i7处理器和Python 2.7.5（也无法更新）。我也无法安装新的软件包

我相信如果三种方法同时运行（理论上操作系统应该将它们分配到不同的内核），我可以获得一些性能，但我不确定如何继续。对于多处理来说，文档充其量是晦涩难懂的

你能给我举几个例子或者给我一些建议吗？谢谢

Doug Hellmans的“每周模块”经常有很好的例子：

---

他写的关于标准库的书也是值得的。

好吧，这与文档中的一个例子非常接近……但我认为使用

池比使用显式流程更容易，使用
期货比使用简单池更容易。此外，模块的文档比
多处理
文档更简单。那么，让我们这样做：

x = []
with concurrent.futures.ProcessPoolExecutor(max_workers=3) as executor:
    while some_condition:
        a = executor.submit(func1)
        b = executor.submit(func2)
        c = executor.submit(func3)
        concurrent.futures.wait((a, b, c))
        x.append(do_something(a.result(), b.result(), c.result()))

如果您使用的是Python2.5-3.1，则stdlib中不会有此模块，因此需要安装


为了进行比较，下面是为每个函数使用显式
多处理.Process
时的情况：

def background(f):
    q = multiprocessing.Queue()
    def wrapped(q):
        q.put(f())
    p = multiprocess.Process(target=wrapped, args=q)
    p.start()
    return p, q

x = []
while some_condition:
    pa, qa = background(func1)
    pb, qb = background(func2)
    pc, qc = background(func3)
    pa.join()
    pb.join()
    pc.join()
    x.append(do_something(qa.get(), qb.get(), qc.get())

您的解决方案对函数适用，但我是指方法，对不起。@user2329994:同样的基本方法也适用于方法。像
inst.func
这样的绑定方法是一个可以像函数一样传递和调用的值。你可能会遇到酸洗的问题，但这些问题通常很容易解决，不管怎样，当你遇到问题时，你可以跨越这座桥。