IPython.parallel及其解释器在微处理器上的分布
IPython.parallel及其解释器在微处理器上的分布
提问于 2013-05-26 00:22:48
我使用了以下代码片段来测试IPython.parallel模块的性能：
dview = c[:] #use all engines
counter = time.time()
result = dview.map_sync(fib, range(4000)) #fib return the nth Fibonacci number
counter = time.time() - counter在这个测试中，我使用了多达30个“引擎”，这是我在IPython笔记本上开始的。令人惊讶的是，性能(非线性)随着引擎(实际上是完全的IPython解释器)数量的增加而增长，即使我超过了我的CPU-core的限制(我有4个核心)。我一直认为一个引擎会关联到一个核心，使用更多的引擎作为核心只会导致开销。这里到底发生了什么？发动机是以什么方式分布在内核上的？
编辑:解决方案是来自Matt加上http://nbviewer.ipython.org/5500077的评论
回答 1
Stack Overflow用户
回答已采纳
发布于 2013-05-26 01:22:38
引擎在内核上的分布方式是什么？
我们在IPython中没有对此做任何具体的事情。这完全由操作系统及其调度程序处理。
尽管如此，如果你使用的是直接视图而不是负载平衡视图，我还是很惊讶地发现计算时间随着引擎数量的增加而减少。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/16751536
复制相关文章
相似问题
腾讯云开发者
