多处理冻结计算机

我通过使用多处理提高了执行时间，但我不确定 PC 的行为是否正确，它会冻结系统，直到所有进程完成。 我使用的是 Windows 7 和 Python 2.7。

也许我做错了，这就是我所做的：

def do_big_calculation(sub_list, b, c):
    # do some calculations here with the sub_list

if __name__ == '__main__':
    list = [[1,2,3,4], [5,6,7,8], [9,10,11,12]]
    jobs = []
    for sub_l in list :
        j = multiprocessing.Process(target=do_big_calculation, args=(sub_l, b, c))
        jobs.append(j)
    for j in jobs:
        j.start()

在这里，您正在创建 1Process每个任务。这将并行运行您的所有任务，但它会给您的计算机带来沉重的开销，因为您的调度程序需要管理许多进程。这可能会导致系统冻结，因为您的程序使用了太多资源。

这里的一个解决方案可能是使用multiprocessing.Pool运行给定数量的进程同时执行某些任务：

import multiprocessing as mp

def do_big_calculation(args):
    sub_list, b, c = args
    return 1

if __name__ == '__main__':
    b, c = 1, 1
    ll = [([1, 2, 3, 4], b, c),
          ([5, 6, 7, 8], b, c),
          ([9, 10, 11, 12], b, c)]
    pool = mp.Pool(4)
    result = pool.map(do_big_calculation, ll)
    pool.terminate()
    print(result)

如果您准备使用第三方库，您还可以看看concurrent.futures https://github.com/agronholm/pythonfutures（你需要在python2.7中安装它，但它存在于python3.4+）或joblib http://pythonhosted.org/joblib/（可通过 pip 获得）：

from joblib import Parallel, delayed

def do_big_calculation(sub_list, b, c):
    return 1

if __name__ == '__main__':
    b, c = 1, 1
    ll = [([1, 2, 3, 4], b, c),
          ([5, 6, 7, 8], b, c),
          ([9, 10, 11, 12], b, c)]
    result = Parallel(n_jobs=-1)(
        delayed(do_big_calculation)(l, b, c) for l in ll)
    print(result)

这种库的主要优点是它正在开发中，而multiprocessing在python2.7中被冻结。因此，错误修复和改进相对频繁。
它还实现了一些巧妙的工具来减少计算开销。例如，它使用大 numpy 数组的内存映射（减少启动所有作业的内存占用）。