Python multiprocessing程序包支持远程管理器功能 ,其中一个python进程可以对另一个进程进行IPC ,但是从他们的示例看来,这必须通过操作系统的IP堆栈。
假设这两个过程都是本地的,是否有一种无需通过IP堆栈即可使用远程管理器的方法,从而使其更快?

  ask by Jonathan translate from so

本文未有回复,本站智能推荐:

1回复

Python 3.6+:嵌套的多处理管理器导致FileNotFoundError

所以我试图在dicts的dict上使用多处理管理器,这是我最初的尝试: 当然,当我运行它时,输出不是我所期望的, z在y不变的情况下正确更新! 这是输出: 然后我用谷歌搜索,并在这里找到一个解释,显然嵌套的dicts也必须是Manager().dict()而不是普通的pytho
1回复

python多处理,管理器启动进程生成循环

我有一个简单的python多处理脚本,它设置一个工作池,试图将工作输出附加到Manager列表。 该脚本有3个调用堆栈: - 主调用f1,它产生几个调用另一个函数g1的工作进程。 当一个人试图调试脚本时(偶然在Windows 7/64 bit / VS 2010 / PyTools上),脚本
2回复

在多处理池的管理器字典中修改列表

我有一个要在多处理apply_async任务中处理的元素的列表,并使用要映射整个列表的管理器字典中的键逐个更新了已处理的元素。 我尝试了以下代码: 最后,它只是在dict中发布空列表。 输出: {'任务':{'processed_list':[]}} 现在,在进
1回复

了解多处理:Python中的共享内存管理,锁和队列

多处理是python中一个强大的工具,我想更深入地理解它。 我想知道何时使用常规 锁和队列以及何时使用多处理管理器在所有进程之间共享这些。 我提出了以下测试场景,其中包含四种不同的多处理条件: 使用池和NO管理器 使用池和管理器 使用单个流程和NO Manage
1回复

python多处理特有的内存管理

我有一个简单的多处理代码: b只是一个很大的清单。 data是传递给pool.map的长度numprocs的列表,因此我希望numprocs进程被派生,并且每个data元素都将传递给其中一个。 我测试了3个不同的data对象: data1和data2实际上具有相同的大小,但是当使用d
1回复

如何确保在python多重处理中使用所有处理器?

我是多处理概念的新手。 我的密码 from multiprocessing import Process def square(x): for x in numbers: print('%s squared is %s' % (x, x**2)) if _
1回复

工作者连接到服务器但在具有多处理包的客户端上执行(python 2.7)

先发帖,大家好。 使用python 2.7的多处理包有问题。 我希望在服务器上并行运行一些进程; 他们确实连接,但他们在本地执行。 这是我在服务器上使用的代码(Ubuntu 14.04): 虽然这是在客户端上运行的代码(Mac OS 10.11): for循环
1回复

python多处理模块:使用Pool时的奇怪行为和处理器负载

我正在使用Python的多处理库来加速一些代码(最小二乘拟合scipy)。 它在3台不同的机器上运行良好,但它在第4台机器上显示出奇怪的行为。 代码: 对于它工作的3台机器,它大致以预期的方式加速。 例如,在我的i7笔记本电脑上它给出: 我正在运行Ubuntu 14
1回复

并行递归python

我现在正在处理一个大数据集。 我的输入将是4个不同的数据集,我必须对每个数据集应用特定的功能。 因此,我要做的是读取所有四个数据集,并使用pool.map将函数并行应用于每个数据集。 所以现在我有一个父母和4个孩子的过程。 到目前为止一切都很好。 Q1。 现在,每个过程内部发生了
2回复

停止Python多处理BaseManager的“serve_forever”服务器?

我在Python 3.6中进行以下设置以进行进程间通信: 为了避免阻塞大型应用程序的消息循环,我使用了一个线程来包含这个设置。 所以s.serve_forever()实际上是在一个线程的run函数内run的。 这是根据文档完成的。 设置本身在客户经理调用共享实例时运行良好。