Python haute performance, 3e édition

Chapitre 10. Le module de multitraitement

Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : [e-mail]

Questions auxquelles tu pourras répondre après ce chapitre

• Que propose le module multiprocessing?

• Quelle est la différence entre les processus et les fils ?

• Comment choisir la bonne taille pour un bassin de traitement ?

• Comment utiliser les files d'attente non persistantes pour le traitement du travail ?

• Quels sont les coûts et les avantages de la communication interprocessus ?

• Comment puis-je traiter les données numpy avec plusieurs unités centrales ?

• Comment utiliser Joblib pour simplifier le travail scientifique parallélisé et mis en cache ?

• Pourquoi ai-je besoin d'un verrouillage pour éviter la perte de données ?

CPython n'utilise pas plusieurs unités centrales par défaut. C'est en partie parce que Python a été conçu à l'époque des cœurs uniques, et en partie parce que le parallélisme peut en fait être assez difficile à réaliser efficacement. Python nous donne les outils pour le faire mais nous laisse faire nos propres choix. Il est cependant pénible de voir ta machine multicœur n'utiliser qu'un seul processeur sur un processus de longue durée, c'est pourquoi dans ce chapitre, nous allons passer en revue les moyens d'utiliser tous les cœurs de la machine en même temps.

Note

Nous venons de mentionner CPython - l'implémentation commune que nous utilisons tous. Rien dans le langage Python ...