در این مطلب، ویدئو استفاده از چند پردازش برای افزایش سرعت برنامه های پایتون با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:04:21
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:05,450 –> 00:00:10,679
سلام Serdar Yegulalp برای
InfoWorld در IDG. امروز قصد دارم نشان دهم که
2
00:00:10,679 –> 00:00:15,030
چگونه برنامههای پایتون را میتوان با استفاده از
چندین CPU از
3
00:00:15,030 –> 00:00:20,340
طریق ماژول پردازش چندگانه بهطور پیشفرض
در یک رشته فیزیکی واحد اجرا کرد
4
00:00:20,340 –> 00:00:23,550
، به این دلیل که
زمان اجرای پیشفرض پایتون برای سادگی یک رشته
5
00:00:23,550 –> 00:00:28,019
است. یک کار پایتون
که وابسته به cpu است و میخواهید از
6
00:00:28,019 –> 00:00:31,859
رشتههای سختافزاری برای افزایش سرعت آن
استفاده کنید، میتوانید از ماژول پردازش چندگانه برای انجام
7
00:00:31,859 –> 00:00:37,410
این کار چند پردازشی با ایجاد
مجموعهای از مفسرهای پایتون که معمولاً
8
00:00:37,410 –> 00:00:41,670
یک مفسر برای هر CPU در سیستم شما هستند استفاده کنید،
اما قابل تنظیم است و سپس به شما این امکان را میدهد
9
00:00:41,670 –> 00:00:46,469
تا کارهایی را به آن استخر بدهید که سپس
به صورت موازی اجرا میشوند، زیرا
10
00:00:46,469 –> 00:00:49,440
راهاندازی استخر فرآیند به خودی خود زمان میبرد که
معمولاً میخواهید این کار را یک بار در
11
00:00:49,440 –> 00:00:54,449
شروع برنامه انجام دهید و سپس در
صورت نیاز به کارهایی که میخواهم انجام دهم، آن را تغذیه کنید. در
12
00:00:54,449 –> 00:00:58,289
اینجا یک برنامه بنچمارک ساده بگیرید
و به شما نشان می دهد که چگونه می توان از چند پردازش
13
00:00:58,289 –> 00:01:02,820
برای افزایش سرعت آن استفاده کرد.
14
00:01:02,820 –> 00:01:09,840
برخی از آمارها را از آن در مورد سیستم من نشان می
15
00:01:09,840 –> 00:01:15,060
دهد، یک پردازنده i7 3770k که
حدود 11 تا 12 ثانیه طول می کشد تا
16
00:01:15,060 –> 00:01:21,330
چندین پردازش معیار را اجرا کند، معمولاً به
یکی از این دو روش کار می کند، روش اول شما
17
00:01:21,330 –> 00:01:26,070
بسیاری از کارهای کوچک که وابسته به CPU هستند را انجام می دهید
و آنها را به فرآیند ارسال می کنید.
18
00:01:26,070 –> 00:01:29,820
دومی را جمع کنید که یک کار بزرگ را انتخاب کنید و
راهی برای تقسیم کارآمد آن به بسیاری از
19
00:01:29,820 –> 00:01:33,930
کارهای کوچک پیدا کنید.
20
00:01:33,930 –> 00:01:38,070
خط و جمعآوری
21
00:01:38,070 –> 00:01:43,439
آمار در مورد هر خط که
در پایان پردازش چندگانه جمعآوری میکنیم،
22
00:01:43,439 –> 00:01:47,159
ابزارهایی برای کار با هر دو
نوع کار در اختیار ما قرار میدهد، بنابراین در این
23
00:01:47,159 –> 00:01:51,630
مورد از تابع imap unordered استفاده میکنیم
که مانند یک فایل تکرارپذیر است.
24
00:01:51,630 –> 00:01:56,189
که خط من خوانده می شود و
آن را تکه تکه به صورت گرد
25
00:01:56,189 –> 00:02:00,990
به پردازش های موجود در استخر تقسیم
می کند.
26
00:02:00,990 –> 00:02:05,250
27
00:02:05,250 –> 00:02:09,780
همانطور که می بینید بسیار
28
00:02:09,780 –> 00:02:13,890
سریعتر اجرا می شود، سرعت کاملاً
خطی با
29
00:02:13,890 –> 00:02:16,710
تعداد هسته های سیستم را ارائه نمی دهد، اما این
خوب است و بهبود بهتر از
30
00:02:16,710 –> 00:02:19,950
هیچ است و در واقع رسیدن به یک
سرعت کاملاً خطی با بیشتر س