我正在尝试像这样并行化const routes: Routes = [
{
path: "login",
component: LoginComponent
},
{
path: "test",
component: TestComponent
},
{
path: "protected",
canActivate: [AuthGuardService],
component: ProtectedComponent
},
{
path: "alsoprotected/:id",
component: AlsoProtectedComponent,
canActivate: [AuthGuardService],
children: [
{ path: "child1", component: ChildOneComponent},
{ path: "child2", component: ChildTwoComponent},
{ path: "child3", component: ChildThreeComponent },
{ path: "child4", component: ChildFourComponent },
{ path: "child5", component: ChildFiveComponent },
{ path: "child6", component: ChildSixComponent },
{ path: "child7", component: ChildSevenComponent }
]
},
{
path: "protectedsettings",
canActivate: [AuthGuardService],
component: SettingsComponent
}
];
中的for循环：
functionB其中def functionA(N):
M = numpy.random.rand(N,N)
def xi(x):
return M*x
return xi
def functionB():
...
xi = functionA(N)
for j in range(S):
recs[j], err[j] = function_to_parallelize(P, w[j], xi, L)
，P，w和recs是numpy数组，而err是整数。
我尝试这样做：
L但是我收到一条错误消息，说def functionB():
...
xi = functionA(N)
import multiprocessing
p = multiprocessing.Pool()
for j in range(S):
r = p.apply_async(function_to_parallelize, (P, w[j], xi, L))
recs[j], err[j] = r.get()
p.close()
p.join()
不可腌制。
我认为这是因为它正在执行多处理，因此Pool使用酸洗将潜在内存分配给新进程。
然后我尝试了多线程，因为我已经知道它具有共享内存，因此通过将xi替换为p = multiprocessing.Pool()，代码可以正常工作！
除了运行不快...实际上运行得慢。从我读过的here来看，“ GIL”（全局解释器锁）仅执行单线程，所以我想可以解释这一点。
我的问题是，我如何并行化该函数？
我不想将矩阵p = multiprocessing.pool.ThreadPool()传递给M，因为它会很杂乱，并且不适用于不同的functionA。