Python的多處理速度問題

我有一個嵌套的循環for形式Python的多處理速度問題

while x<lat2[0]: 
    while y>lat3[1]: 
     if (is_inside_nepal([x,y])): 
      print("inside") 
     else: 
      print("not") 
     y = y - (1/150.0) 
    y = lat2[1] 
    x = x + (1/150.0) 
#here lat2[0] represents a large number

的現在，這通常需要大約50多歲執行。而且我已將此循環更改爲多處理代碼。

def v1find_coordinates(q): 
    while not(q.empty()): 

    x1 = q.get() 
    x2 = x1 + incfactor 
    while x1<x2: 
     def func(x1): 
      while y>lat3[1]: 
       if (is_inside([x1,y])): 
        print x1,y,"inside" 
       else: 
        print x1,y,"not inside" 
       y = y - (1/150.0) 

     func(x1) 
     y = lat2[1] 
     x1 = x1 + (1/150.0) 

incfactor = 0.7 
xvalues = drange(x,lat2[0],incfactor) 
#this drange function is to get list with increment factor as decimal 
cores = mp.cpu_count() 
q = Queue() 
for i in xvalues: 
    q.put(i) 
for i in range(0,cores): 
    p = Process(target = v1find_coordinates,args=(q,)) 
    p.start() 
    p.Daemon = True 
    processes.append(p) 
for i in processes: 
    print ("now joining") 
    i.join()

這多碼還需要大約50多歲的執行時間。這意味着兩者之間沒有時間差異。

我也嘗試過使用池。我也管理了塊大小。我已經通過其他計算器搜索並搜索。但找不到任何滿意的答案。

我能找到的唯一答案是在流程管理中花費的時間使得結果相同。 如果這是原因，那麼我如何才能獲得多處理工作以獲得更快的結果？

從Python實現的C會給出更快的結果嗎？

我並不期待會有太大的結果，但根據常識，人們可以說在4核心上運行應該比在1核心上運行快得多。但我得到了類似的結果。任何形式的幫助，將不勝感激。

來源

2016-07-01 Ritesh Jung Thapa

是隊列也許線程隊列（導入隊列），而不是多一？（來自多進程導入隊列） –

我仍然在學習自己的多處理技術，但是如果您使用的是多線程技術，那麼我認爲處理器中心任務在速度上沒有任何優勢。我知道你說過你曾經使用過泳池，但也許再看看它。 –

@HugoWalter沒有它的非導入隊列 –

您似乎在使用線程隊列（來自隊列導入隊列）。這並不如預期般工作，如法使用fork（）和它克隆整個隊列到每個工作進程

使用：

from multiprocessing import Queue

來源

2016-07-01 14:42:42

我已經從多進程導入隊列中完成不導入隊列 –

Python的多處理速度問題

回答

相關問題