开放端口做网站短视频营销策划方案
文章目录
- 1. Joblib 并行计算的两种模式
- 多进程（Multiprocessing，适用于 CPU 密集型任务）
- 多线程（Multithreading，适用于 I/O 密集型任务）
- 2. Joblib 的基本用法
- 3. Joblib 多进程示例（适用于 CPU 密集型任务）
- 示例：计算平方
- 4. Joblib 多线程示例（适用于 I/O 密集型任务）
- 示例：爬取网页
- 5. 选择合适的并行模式
- 6. 使用 parallel_backend 控制后端
- 7. parallel_backend 与 Parallel 直接指定 backend 的区别
- 区别
joblib 是一个 Python 库，用于高效的并行计算和缓存。它支持 多进程（multiprocessing） 和 多线程（multithreading），主要用于加速 CPU 密集型和 I/O 密集型任务。
1. Joblib 并行计算的两种模式
多进程（Multiprocessing，适用于 CPU 密集型任务）
每个任务在单独的进程中执行，避免 GIL（全局解释器锁）限制。
适用于 数值计算、矩阵运算、图像处理等 CPU 密集型任务。
后端：multiprocessing 或 loky（默认）。
多线程（Multithreading，适用于 I/O 密集型任务）
线程共享同一个进程，适用于 文件 I/O、网络请求、数据库查询等任务。
由于 Python 的 GIL，不适用于 CPU 密集型任务。
后端：threading。
2. Joblib 的基本用法
joblib 的并行计算主要通过 Parallel 和 delayed 来实现：
from joblib import Parallel, delayedresults = Parallel(n_jobs=4)(delayed(func)(x) for x in iterable)n_jobs=4：使用 4 个线程或进程并行计算。
delayed(func)(x)：将 func(x) 延迟执行，供 Parallel 并行调度。
3. Joblib 多进程示例（适用于 CPU 密集型任务）
示例：计算平方
import time