python 串行执行和并行执行实例

下面是关于Python串行执行和并行执行实例的详细攻略。

什么是Python串行执行和并行执行

Python串行执行指的是程序按照代码编写的顺序依次执行，即每一行代码依次执行，完成一个任务后才继续执行下一个任务。这种执行方式适合于任务之间没有依赖关系的场景。例如：

import time

def task1():
    time.sleep(2) # 模拟任务1的耗时
    print("task1 finished")

def task2():
    time.sleep(3) # 模拟任务2的耗时
    print("task2 finished")

if __name__ == '__main__':
    start = time.time()
    task1()
    task2()
    end = time.time()
    print("time consumed：", end-start)

上述代码中，程序在task1执行完毕后才会执行task2，因为它们之间没有任何依赖关系，采用串行执行的方式足以满足需求。

而并行执行指的是，在多核CPU的条件下，程序可以同时执行多个任务。这种执行方式适合于任务之间有明显的依赖关系的场景，能够提高程序的运行效率。Python实现并行执行的方式有很多，比如多线程、协程、进程等。本文重点介绍multiprocessing库实现并行执行的情况。

Python串行执行示例

下面是一个简单的串行执行的示例，代码中包含两个函数multiplication和division，分别模拟乘法和除法操作。在主程序中依次调用这两个函数，程序会按照预期顺序依次执行并输出结果。

def multiplication(x,y):
    return x*y

def division(x,y):
    return x/y

if __name__ == '__main__':
    multi_result = multiplication(2,3)
    print("result of multiplication：",multi_result)
    div_result = division(6,2)
    print("result of division：",div_result)

Python并行执行示例

下面是一个使用multiprocessing库实现并行执行的示例，代码中包含了一个简单的计算圆面积的程序。程序会计算不同半径下圆的面积，并输出结果。使用multiprocessing库可以在多核CPU条件下加速计算，提高程序效率。

import math
import multiprocessing

def area_of_circle(r):
    return math.pi * r**2

if __name__ == '__main__':
    radius = [2,3,4,5,6,7,8,9]
    pool = multiprocessing.Pool(processes=4) # 4个进程
    result = pool.map(area_of_circle, radius) # 并行执行计算
    pool.close()
    pool.join()
    print("areas：", result)

在上述代码中，我们创建了一个radius列表，分别表示圆的半径，接着调用multiprocessing库的Pool方法，创建了一个进程池，指定了进程池中进程的数量为4个。接着，通过pool.map方法实现了并行计算。

总结

本文分别介绍了Python串行执行和并行执行的情况，并提供了两个示例代码帮助读者更好地理解。串行执行适用于任务之间无依赖关系的情况；而并行执行则可通过多线程、协程、进程等方式实现，适用于任务之间有明显依赖关系、可并行计算的情况。