Многопроцессорный пример.

Я пытаюсь научиться использовать multiprocessing и нашел следующий пример.

Я хочу суммировать значения следующим образом:

from multiprocessing import Pool
from time import time

N = 10
K = 50
w = 0

def CostlyFunction(z):
    r = 0
    for k in xrange(1, K+2):
        r += z ** (1 / k**1.5)
    print r
    w += r
    return r

currtime = time()

po = Pool()

for i in xrange(N):
    po.apply_async(CostlyFunction,(i,))
po.close()
po.join()

print w
print '2: parallel: time elapsed:', time() - currtime

Я не могу получить сумму всех значений r.

Ответ 1

Если вы собираетесь использовать apply_async, то вы должны использовать какую-то общую память. Кроме того, вам нужно поместить часть, которая запускает многопроцессорную обработку, чтобы она выполнялась только при вызове начальным script, а не объединенными процессами. Здесь можно сделать это с помощью карты.

from multiprocessing import Pool
from time import time

K = 50
def CostlyFunction((z,)):
    r = 0
    for k in xrange(1, K+2):
        r += z ** (1 / k**1.5)
    return r

if __name__ == "__main__":
    currtime = time()
    N = 10
    po = Pool()
    res = po.map_async(CostlyFunction,((i,) for i in xrange(N)))
    w = sum(res.get())
    print w
    print '2: parallel: time elapsed:', time() - currtime

Ответ 2

Вот простейший пример, который я нашел в документации примера python:

from multiprocessing import Pool

def  f(x):
    return x*x

if __name__ == '__main__':
    pool = Pool(processes=4)              # start 4 worker processes
    result = pool.apply_async(f, [10])    # evaluate "f(10)" asynchronously
    print result.get(timeout=1)           # prints "100" unless your computer is *very* slow
    print pool.map(f, range(10))          # prints "[0, 1, 4,..., 81]"

Это было достаточно просто, даже я мог это понять.
Примечание result.get() - это то, что вызывает вычисление.