이 자습서에서는 다루지 않는 파이썬 설명서에는 훨씬 더 많은 것이 있으므로 Python 다중 처리 문서를 방문하여이 모듈의 모든 기능을 활용하십시오. 다중 처리 패키지는 스레딩 모듈과 유사한 API를 사용하여 스폰 프로세스를 지원합니다. 또한 로컬 및 원격 동시성을 모두 제공합니다. 이 자습서에서는 Python의 다중 처리와 다중 처리를 사용하여 프로세스 간에 통신하고 프로세스 간 동기화및 로깅을 수행하는 방법에 대해 설명합니다. 이 파이썬 멀티 프로세싱 예제에서는 모든 지식을 병합합니다. 의도하지 않은 부작용 (예 : 새 프로세스 시작)을 일으키지 않고 새 Python 인터프리터가 메인 모듈을 안전하게 가져올 수 있는지 확인하십시오. 여기서는 Python의 멀티 프로세싱 모듈과 CPU 코어를 최대한 활용하기 위해 서로 독립적으로 실행할 수 있는 여러 프로세스를 제출하는 데 사용할 수 있는 방법을 살펴보겠습니다. 그러나 기본 파이썬 인터프리터는 단순성을 염두에 두고 설계되었으며 스레드 안전 메커니즘인 소위 „GIL”(글로벌 인터프리터 잠금)을 가지고 있습니다. 스레드 간의 충돌을 방지하기 위해 한 번에 하나의 문(소위 직렬 처리 또는 단일 스레딩)만 실행합니다. 대부분의 프로그램 및 프로그래밍 언어는 여러 코어를 활용하지 않습니다.
프로그래밍 언어 Java와 C는 자동으로 여러 CPU에 작업을 동시에 전송하지만 도시 연구원은 대부분 Stata와 SAS를 사용하며 R과 Python을 사용하는 수가 증가하고 있습니다. 이러한 „상위 수준” 언어에는 데이터 작업을 더 쉽게 할 수 있는 기본 기능 및 패키지가 제공되지만, 이러한 언어는 여러 CPU를 사용할 수 있는 컴퓨터에서도 하나의 코어만 사용하는 것이 기본값입니다. 이러한 단일 코어만 사용하면 이러한 프로그래밍 언어의 효율성이 낮아집니다. 특히 연구원들이 정기적으로 대규모 데이터 세트를 분석하는 도시 연구소에서 더 많은 시간을 사용할 수 있습니다. 우리는 시간을 만들 수 없기 때문에 연구 프로그래밍 팀은 연구 프로세스의 자동화 된 측면을 더 빨리 만드는 데 중점을 둡니다. 대부분의 도구는 팬더 및 NumPy와 같은 도구를 통해 데이터를 쉽게 분석할 수 있지만 C/C++ 또는 포트란과 같은 컴파일된 언어보다 느린 프로그래밍 언어인 Python을 사용합니다. 그럼에도 불구하고, 몇 가지 기술은 파이썬 프로그램의 속도를 향상시킬 수 있습니다, 종종 크게. 이 게시물에서는 Urban이 파이썬 코드 속도를 높이기 위해 멀티 프로세싱을 사용하는 방법에 대해 설명합니다.
이전에는 멀티 스레딩을 사용하여 파이썬과 동시성을 달성하는 방법을 살펴 보았는데, 여기서 찾을 수있는 자습서 : 파이썬 멀티 스레딩 자습서 큐 객체는 프로세스 간에 데이터를 전달하는 데 사용됩니다.