加速案例

这个教程展示了如何通过并行修饰符 @parl.remote_class ，使用python的 多线程 也能够实现并行计算。

众所周知，python 的多线程并发性能并不好，很难达到传统的编程语言比如C++或者JAVA这种加速效果，主要的原因是python 有全局锁（GIL）的限制，使得其最多只能运用单核来记性运算。

下面我们通过一个简单的例子来看下GIL对于python的影响。首先，我们跑下这段代码：

class A(object):
    def run(self):
        ans = 0
        for i in range(100000000):
            ans += i
a = A()
for _ in range(5):
    a.run()

这段代码需要 17.46秒 的时间来计算5次的从1累加到1亿。

接下来我们通过python的原生多线程库改造下上面的代码，让它可以多线程跑起来。

import threading

class A(object):
    def run(self):
        ans = 0
        for i in range(100000000):
            ans += i
threads = []
for _ in range(5):
    a = A()
    th = threading.Thread(target=a.run)
    th.start()
    threads.append(th)
for th in threads:
    th.join()

运行这段代码之后，居然需要 41.35秒 ，比刚才的串行运算速度更慢。主要的原因是GIL限制了python只能单核运算，使用了多线程运算之后，触发了多线程竞争CPU的问题，反而延长了计算时间。

最后，我们尝试使用PARL:

import threading
import parl

@parl.remote_class
class A(object):
    def run(self):
        ans = 0
        for i in range(100000000):
            ans += i
threads = []
parl.connect("localhost:6006")
for _ in range(5):
    a = A()
    th = threading.Thread(target=a.run)
    th.start()
    threads.append(th)
for th in threads:
    th.join()

这段代码只需要 4.3秒 就能跑完！PARL在这里做的改动只有两行代码，但是我们却看到了运算速度的极大提升，具体的效果对比可以看下图。

在我们下一个教程中，我们将会展示如何在不使用多线程的情况下实现并行计算。