问题描述
我正在尝试使用多处理和不同的数学库来计算 pi,并想知道通过实现 time.perf_counter()
使用或不使用多处理的速度有多快。 mp.Pool 映射20个线程和我的cpu线程数一样,在处理main的同时也处理了
etime = time.perf_counter()
print(f"Time Used: {etime - stime:0.4f}sec.\n")
打印 20 次。
在解决中排除打印结果:
...
...
...
Time Used: 0.0001sec.
Time Used: 0.0001sec.
Time Used: 0.0000sec.
Time Used: 15.0268sec.
import time
import numpy as np
from mpmath import mp
import multiprocessing as mps
stime = time.perf_counter()
mp.dps = 50
accuracy = 6000000
R = 1
def solve(a):
n = a
theta = 360 / n
rad = mp.radians(theta/2)
print(n*R*mp.sin(rad))
if __name__ == "__main__":
pool = mps.Pool(mps.cpu_count())
pool.map(solve,range(1,accuracy))
pool.close()
pool.terminate()
pool.join()
etime = time.perf_counter()
print(f"Time Used: {etime - stime:0.4f}sec.\n")
解决方法
TLDR:要解决您的问题,只需缩进最后两行。
multiprocessing
库实际上在每个线程中运行整个 Python 脚本。作为实验,在与程序相同的目录中运行 python
并尝试导入它。您会注意到,即使 solve
函数没有
因此,任何不在 if __name__ == "__main__":
块中的内容都将由每个线程运行。 if __name__ == "__main__":
语句告诉 Python 仅在主线程中运行此代码。
要解决您的问题,您需要在 if
语句中添加底部两行。