От многопоточных вычислений переходим к распределённым. То есть вычисления, происходящие на нескольких компьютерах.
Конечно, в зависимости от задачи, вы можете взять готовые решения вроде CGRU или Deadline для рендеринга, charm4py или Dask для ML, или замутить что-то на AWS С2. Но хотелось бы чего-то попроще, попитоничней что ли)
А ведь в Python есть средства "из коробки" для синхронизации нескольких процессов на разных хостах.
Вот простой пример кода, который синхронизирует работу двух процессов на разных компьютерах.
В этом случае используется процесс-посредник, который является синхронизирующим сервером.
В примере создаётся некий Manager, который шарит общую для клиентов очередь. Все подключившиеся могут что-то в неё писать или забирать.
В моём коде один процесс что-то "считает" и складывает в очередь, другой забирает и продолжает какие-то свои "расчёты".
Если у вас есть несколько машин, то можете попробовать это запустить по сети (нужно заменить 'localhost' на IP-адрес сервера). Но и на локальной машине сработает.
Gist 🌎
#libs#source#tricks
👀 Ищете надежный полноприводный каток для уплотнения грунта, который не подведет на тяжелых объектах?
🔥ВЫБИРАЙТЕ BULL🔥
Почему #BULL?
✅Полный привод — никаких пробуксовок и застреваний даже на влажных грунтах.
✅Выбор массы — от компактных 18 до тяжелых 36 тонн. Есть модель под любые задачи: от планировки до строительства насыпей.
Что получаете:
✅ Высокую производительность за смену.
✅Простую гидравлику и доступный сервис.
✅Отличное уплотнение нескальных и крупнообломочных грунтов.
📍 Подберем лучшую технику для вас
➡️ 8 800 700 67 50
🇷🇺 Мы вMAX💙 Мы вВК