如何在python中使用多处理

我是python新手，我想在下面的代码中进行并行编程，并希望使用python中的多处理来实现。那么如何修改代码呢？我一直在使用Pool搜索这个方法，但发现我可以遵循的示例有限。有人能帮我吗？多谢各位

请注意，setinner和setouter是两个独立的函数，因此我希望使用并行编程来减少运行时间

def solve(Q,G,n):
    i = 0
    tol = 10**-4

    while i < 1000:

        inneropt,partition,x = setinner(Q,G,n)
        outeropt = setouter(Q,G,n)

        if (outeropt - inneropt)/(1 + abs(outeropt) + abs(inneropt)) < tol:
            break

        node1 = partition[0]
        node2 = partition[1]

        G = updateGraph(G,node1,node2)
        if i == 999:
            print "Maximum iteration reaches"
    print inneropt

def求解（Q，G，n）：
i=0
tol=10**-4
当我<1000时：
inneropt，partition，x=setinner（Q，G，n）
outeropt=setouter（Q，G，n）
如果（外层-内层）/（1+abs（外层）+abs（内层））

很难并行化需要对来自不同任务的相同共享数据进行变异的代码。所以，我假设

setinner

和

setouter

是非变异函数；如果不是这样，事情会更复杂

第一步是决定你想同时做什么

---

一件显而易见的事情是同时执行

setinner

和

setouter

。它们彼此完全独立，并且总是需要同时完成。所以，这就是我要做的。而不是这样做：

inneropt,partition,x = setinner(Q,G,n)
outeropt = setouter(Q,G,n)

…我们希望将这两个函数作为任务提交到池中，然后等待这两个函数都完成，然后获取这两个函数的结果

concurrent.futures

模块（在Python2.x中需要一个第三方后台端口）比

多处理模块（在2.6+中的stdlib中）更容易执行“等待两者都完成”之类的操作，但在这种情况下，我们不需要任何花哨的东西；如果其中一个提前完成，我们就没有什么事情要做，直到另一个完成为止。所以，让我们继续：

当然，你可以让这个更漂亮

例如，假设您很少需要超过几百次迭代，因此总是计算1000次迭代是浪费的。您可以在启动时推送第一个N，然后在循环中每次推送一个（或者每N次再推N个），这样您就不会进行超过N次浪费的迭代。您无法在完美并行性和最小浪费之间获得理想的折衷，但您通常可以很好地调整它

此外，如果任务实际上不需要那么长的时间，但是您有很多任务，那么您可能需要对它们进行批处理。一个非常简单的方法是使用一个
map
变量，而不是
apply_async
；这可能会使您的获取代码稍微复杂一些，但它会使排队和批处理代码变得非常简单（例如，在
chunksize
为10的100个参数列表上映射每个
func
只不过是两行简单的代码）。
该代码缩进不正确，并且会出现sytax错误。你能纠正你的代码吗？顺便说一句，这段代码可能使用了一些矩阵或图形库，这些矩阵或图形库可能是作为C扩展模块构建的，并且可能在不持有GIL（如NumPy）的情况下运行缓慢的操作，因此你可以只使用
线程化
而不是
多处理
，或者甚至在相关的情况下进行自动数据并行（如SciPy或KDT的某些部分，如果您正确配置和安装了先决条件），在这种情况下，
多处理
实际上会降低您的速度…3个函数（setInner、setouter、updateGraph）的相对运行时间是多少？
Q，G，n
对象大吗？你会在每次迭代中更新几乎所有的值（我假设它们是复合对象）还是只更新其中的一小部分？对于一些明确定义的用例，比如将两个函数设置为异步运行，lelo helper包是有用的-（在这种情况下，它可能只需要修饰setinner和setoutter即可）：@jsbueno：看起来很酷。我担心Python中的自动惰性对象，因为实际上不可能覆盖Python中所有有用的表达式，因此最终可能会得到
minval
而不是实际计算结果。（在C++中，这不是问题，因为（a）在您可以过载的事情中，分配、复制和转换为<代码> t& < /COD>，并且（b）静态类型通常以Python不能的方式强制严格，但是它显然会在OP的情况下工作，因为他立即解包一个，并将另一个传递给
abs
…@jsbueno：事实上，经过再三考虑……在OP的情况下，将第一个结果解包为三个变量显然会受阻，这意味着他需要以与我的回答相同的方式重写代码（执行操作，然后获得结果），以实际获得任何并行性。尽管仅仅撤销这两个调用将是一个快速而肮脏的解决办法。@abanert-我不同意不能覆盖所有有用的表达式。包“lelo”可能包含错误，但要在Python中使用值，必须通过“dunder”（
\uuuu NAME\uuu
）方法之一。纯assignemnt是不可重写的，但assignment所做的只是将惰性对象本身绑定到另一个名称。当它被打印、比较、序列化时，必须获取它的值。
pool = multiprocessing.Pool(2) # we never have more than 2 tasks to run
while i < 1000:
    # parallelly start both tasks
    inner_result = pool.apply_async(setinner, (Q, G, n))
    outer_result = pool.apply_async(setouter, (Q, G, n))

    # sequentially wait for both tasks to finish and get their results
    inneropt,partition,x = inner_result.get()
    outeropt = outer_result.get()

    # the rest of your loop is unchanged

pool = multiprocessing.Pool() # let it default to the number of cores
inner_results = []
outer_results = []
for _ in range(1000):
    inner_results.append(pool.apply_async(setinner, (Q,G,n,i))
    outer_results.append(pool.apply_async(setouter, (Q,G,n,i))
while i < 1000:
    inneropt,partition,x = inner_results.pop(0).get()
    outeropt = outer_results.pop(0).get()
    # result of your loop is the same as before