並列プログラミングは、プログラムが複數(shù)のプロセッサまたはコアで複數(shù)のタスクを同時(shí)に実行できるようにするプログラミング モデルです。このモデルは、プロセッサ リソースをより効率的に使用し、処理時(shí)間を短縮し、パフォーマンスを向上させることを目的としています。

並列プログラミングを畫像で説明すると、問題があると想像できます。並列処理を開始する前に、この問題を小さな部分に分割します。これらのサブパートは互いに獨(dú)立しており、お互いについて何も知らないと仮定します。各サブ問題は、より小さなタスクまたは指示に変換されます。これらのタスクは、並行作業(yè)に適した方法で編成されています。たとえば、データセットに対して同じ操作を?qū)g行するために多くの命令を作成できます。これらのタスクはさまざまなプロセッサに分散されます。各プロセッサは、割り當(dāng)てられた命令を獨(dú)立して並行して処理します。このプロセスにより、総処理時(shí)間が大幅に短縮され、リソースをより効率的に使用できるようになります。

Python では、並列プログラミング用のツールとモジュールがいくつか提供されています。

**マルチプロセッシング
**これにより、プログラムは複數(shù)のプロセスを同時(shí)に実行できるようになり、真の並列処理を活用できるようになります。マルチプロセッシング モジュールは GIL (グローバル インタープリター ロック) の制限を克服し、マルチコア プロセッサーで最大限のパフォーマンスを?qū)g現(xiàn)できます。

グローバル インタプリタ ロック (GIL) は、CPython と呼ばれる Python の一般的な実裝で使用されるメカニズムです。 GIL では、一度に 1 つのスレッドのみが Python バイトコードを?qū)g行できます。これは、Python でマルチスレッドが使用される場合に真の並列処理を制限する構(gòu)造です。

*正方形と立方體の計(jì)算例
*

from multiprocessing import Process

def print_square(numbers):
    for n in numbers:
        print(f"Square of {n} is {n * n}")

def print_cube(numbers):
    for n in numbers:
        print(f"Cube of {n} is {n * n * n}")

if __name__ == "__main__":
    numbers = [2, 3, 4, 5]  

    # ??lemler (processes) olu?turma
    process1 = Process(target=print_square, args=(numbers,))
    process2 = Process(target=print_cube, args=(numbers,))

    # ??lemleri ba?latma
    process1.start()
    process2.start()

    # ??lemlerin tamamlanmas?n? bekleme
    process1.join()
    process2.join()

マルチプロセッシングが必要な理由 マルチプロセッシングの必要性は、料理人やキッチンに例えて説明できます。料理人がキッチンで一人で調(diào)理することを単一プロセス プログラムと考えることができます。複數(shù)の料理人が同じキッチンで一緒に作業(yè)することを、マルチプロセッシングに例えることができます。

単一プロセス - 単一調(diào)理

キッチンには調(diào)理人が 1 人だけです。この料理人は前菜、メインコース、デザートの 3 つの異なる料理を作ります。各料理は順番に作られます:
彼はスターターを準(zhǔn)備して完成させます。
彼はメインコースに進(jìn)み、それを終了します。
最後にデザートを作ります。
問題:

料理人がどんなに早くても、交代で調(diào)理するため、キッチンでの時(shí)間が無駄になります。
3 つの異なる料理を同時(shí)に調(diào)理する必要がある場合は、時(shí)間が長くなります。
マルチプロセッシング - 多くのクック

次に、同じキッチンに 3 人の料理人がいると想像してください。それぞれが異なる料理を準(zhǔn)備しています:
一人の料理人がスターターを作ります。
2 番目の料理人がメインコースを準(zhǔn)備します。
3人目の料理人がデザートを作ります。
利點(diǎn):

3 つの料理が同時(shí)に作られるため、合計(jì)時(shí)間が大幅に短縮されます。
各クックは獨(dú)立して獨(dú)自の作業(yè)を?qū)g行し、他のクックの影響を受けません。
Python でプロセス間でデータを共有する
Python では、multiprocessing モジュールを使用して、異なるプロセス間でデータを共有することができます。ただし、各プロセスは獨(dú)自のメモリ空間を使用します。したがって、プロセス間でデータを共有するために特別なメカニズムが使用されます。

from multiprocessing import Process

def print_square(numbers):
    for n in numbers:
        print(f"Square of {n} is {n * n}")

def print_cube(numbers):
    for n in numbers:
        print(f"Cube of {n} is {n * n * n}")

if __name__ == "__main__":
    numbers = [2, 3, 4, 5]  

    # ??lemler (processes) olu?turma
    process1 = Process(target=print_square, args=(numbers,))
    process2 = Process(target=print_cube, args=(numbers,))

    # ??lemleri ba?latma
    process1.start()
    process2.start()

    # ??lemlerin tamamlanmas?n? bekleme
    process1.join()
    process2.join()

コードサンプルを調(diào)べると、結(jié)果リストが空であることがわかります。この主な理由は、マルチプロセッシングで作成されたプロセスがメイン プロセスから獨(dú)立した獨(dú)自のメモリ空間で動(dòng)作するためです。この獨(dú)立性のため、子プロセスで行われた変更は、メイン プロセスの変數(shù)に直接反映されません。

Python には、データを共有するための次のメソッドが用意されています。

**1.共有メモリ
**Value オブジェクトと Array オブジェクトは、操作間でデータを共有するために使用されます。
値: 単一のデータ型 (數(shù)値など) を共有します。
配列: データの配列を共有するために使用されます。

import multiprocessing

result = []

def square_of_list(mylist):
    for num in mylist:
        result.append(num**2)
    return result

mylist= [1,3,4,5]

p1 = multiprocessing.Process(target=square_of_list,args=(mylist,))
p1.start()
p1.join()

print(result) # [] Bo? Liste

**2.キュー
**FIFO (先入れ先出し) 構(gòu)造を使用してプロセス間でデータを転送します。
multiprocessing.Queue を使用すると、複數(shù)のプロセスがデータを送受信できるようになります。

from multiprocessing import Process, Value

def increment(shared_value):
    for _ in range(1000):
        shared_value.value += 1  

if __name__ == "__main__":
    shared_value = Value('i', 0)  
    processes = [Process(target=increment, args=(shared_value,)) for _ in range(5)]

    for p in processes:
        p.start()
    for p in processes:
        p.join()

    print(f"Sonu?: {shared_value.value}")

**3.パイプ
**multiprocessing.Pipe は、2 つのプロセス間の雙方向のデータ転送を提供します。
データの送信と受信の両方に使用できます。

from multiprocessing import Process, Queue

def producer(queue):
    for i in range(5):
        queue.put(i)  # Kuyru?a veri ekle
        print(f"üretildi: {i}")

def consumer(queue):
    while not queue.empty():
        item = queue.get()  
        print(f"Tüketildi: {item}")

if __name__ == "__main__":
    queue = Queue()

    producer_process = Process(target=producer, args=(queue,))
    consumer_process = Process(target=consumer, args=(queue,))

    producer_process.start()
    producer_process.join()

    consumer_process.start()
    consumer_process.join()

*プロセス間のパディング
*「プロセス間のパディング」は、プロセス メモリの編成や、複數(shù)のプロセス間で共有されるデータにアクセスする際のデータの配置や衝突の問題を回避するためによく使用されます。

この概念は、キャッシュラインのフォールス シェアリングなどの場合に特に重要です。複數(shù)のプロセスが同時(shí)に共有メモリを使用しようとすると、誤った共有によりパフォーマンスの低下が発生する可能性があります。これは、最新のプロセッサでのキャッシュラインの共有が原因です。

**プロセス間の同期
**Python のマルチプロセッシング モジュールを使用すると、複數(shù)のプロセスを同時(shí)に実行できます。ただし、複數(shù)のプロセスが同じデータにアクセスする必要がある場合は、同期を使用することが重要です。これは、データの一貫性を確保し、競合狀態(tài)などの問題を回避するために必要です。

from multiprocessing import Process, Pipe

def send_data(conn):
    conn.send([1, 2, 3, 4])  
    conn.close()

if __name__ == "__main__":
    parent_conn, child_conn = Pipe()  

    process = Process(target=send_data, args=(child_conn,))
    process.start()

    print(f"Al?nan veri: {parent_conn.recv()}")  # Veri al
    process.join()

ロックにより、一度に 1 つのプロセスのみが共有データにアクセスできます。
ロックを使用しているプロセスが完了する前に、他のプロセスが待機(jī)します。

**マルチスレッド

マルチスレッドは、プログラムで複數(shù)のスレッドを同時(shí)に実行できるようにする並列プログラミング モデルです。スレッドは、同じプロセス內(nèi)で実行される小さな獨(dú)立したコード単位であり、リソースを共有することでより高速かつ効率的な処理を目指します。
Python では、マルチスレッド アプリケーションの開発にスレッド モジュールが使用されます。ただし、Python の Global Interpreter Lock (GIL) メカニズムにより、マルチスレッドでは CPU に依存するタスクのパフォーマンスが制限されます。したがって、一般に、I/O バウンドのタスクではマルチスレッドが推奨されます。

スレッドはプログラム內(nèi)の一連の命令です。

from multiprocessing import Process

def print_square(numbers):
    for n in numbers:
        print(f"Square of {n} is {n * n}")

def print_cube(numbers):
    for n in numbers:
        print(f"Cube of {n} is {n * n * n}")

if __name__ == "__main__":
    numbers = [2, 3, 4, 5]  

    # ??lemler (processes) olu?turma
    process1 = Process(target=print_square, args=(numbers,))
    process2 = Process(target=print_cube, args=(numbers,))

    # ??lemleri ba?latma
    process1.start()
    process2.start()

    # ??lemlerin tamamlanmas?n? bekleme
    process1.join()
    process2.join()

**スレッド同期
**スレッド同期は、複數(shù)のスレッドが同じリソースに同時(shí)にアクセスするときに、データの一貫性と順序を確保するために使用される技術(shù)です。 Python では、スレッド モジュールは同期用のツールをいくつか提供します。

**スレッド同期が必要な理由
**競合狀況:

2 つ以上のスレッドが共有リソースに同時(shí)にアクセスすると、データの不整合が発生する可能性があります。
たとえば、あるスレッドがデータを読み取りながら、別のスレッドが同じデータを更新する場合があります。
*データの一貫性:
*
共有リソースが正しく更新されるようにするには、スレッド間の調(diào)整が必要です。
Python での同期ツールの例
**1.ロック
**スレッドはロックを取得すると、他のスレッドが同じリソースにアクセスできるようになる前に、ロックが解放されるのを待ちます。

import multiprocessing

result = []

def square_of_list(mylist):
    for num in mylist:
        result.append(num**2)
    return result

mylist= [1,3,4,5]

p1 = multiprocessing.Process(target=square_of_list,args=(mylist,))
p1.start()
p1.join()

print(result) # [] Bo? Liste

2-イベント

from multiprocessing import Process, Value

def increment(shared_value):
    for _ in range(1000):
        shared_value.value += 1  

if __name__ == "__main__":
    shared_value = Value('i', 0)  
    processes = [Process(target=increment, args=(shared_value,)) for _ in range(5)]

    for p in processes:
        p.start()
    for p in processes:
        p.join()

    print(f"Sonu?: {shared_value.value}")

**結(jié)論:
**スレッドの同期は、スレッドが共有リソースにアクセスするときにデータの不整合を防ぐために重要です。 Python では、Lock、RLock、Semaphore、Event、Condition などのツールが、同期のニーズに応じた効果的なソリューションを提供します。どのツールを使用するかは、アプリケーションのニーズと同期要件によって異なります。

以上がPython でのプロセス管理: 並列プログラミングの基礎(chǔ)の詳細(xì)內(nèi)容です。詳細(xì)については、PHP 中國語 Web サイトの他の関連記事を參照してください。