python加速方法：纯CPU多进程加速（joblib库）

我写C++ 代码喜欢用OpenMP进行加速，在不更改源代码情况下只做稍稍修改即可实现CPU利用率最大化，跨平台移植也没有问题。
python是个好东西，苦恼于密级计算的时候只能使用单核，使用多线程不奏效，因为毕竟它受限于语言本身，于是搜索过程中看见了下图，一声苦笑
在这里插入图片描述

对于一核有难，七核围观的尴尬情况有效解决方案，多进程。python多进程有多种方式，例如：multiprocessing、joblib
等等joblib什么鬼，为啥它能实现多进程，请参考查阅这篇文章
在这里插入图片描述
通过上面可以看出joblib的确是多进程技术
下面测试代码中分别对普通计算、joblib加速计算、multiprocessing加速计算进行计时及结果统计


import time
from joblib import Parallel, delayed
import multiprocessing#多进程加速def square(num):time.sleep(1)  # 模拟耗时的计算操作return num ** 2def JobLibDemo(numbers):#利用JobLib并行加速results = Parallel(n_jobs=-1)(delayed(square)(num) for num in numbers)return resultsdef NormalComput(numbers):#普通计算results = []for num in numbers:results.append(square(num))return resultsdef MulProcessDemo(numbers):pool = multiprocessing.Pool()results = pool.map(square, numbers)pool.close()pool.join()return resultsif __name__ == '__main__':numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]start_time = time.time()resultsN = NormalComput(numbers)#普通for循环计算end_time1 = time.time()# results = Parallel(n_jobs=-1)(delayed(square)(num) for num in numbers)results = JobLibDemo(numbers)# 并行计算每个数字的平方end_time2 = time.time()resultsM = MulProcessDemo(numbers)#多进程计算结果end_time3 = time.time()# 打印计算结果print(resultsN)print(results)print(resultsM)print("普通处理时间：", end_time1 - start_time)print("JobLib并行处理时间：", end_time2 - end_time1)print("MulProcess并行处理时间：", end_time3 - end_time2)