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
#COMBRC20.COM
Сработал вчера ордер на покупку по 1.15$
Думаю тут уже убили всех кого можно было. Почему бы не устроить памп маркетмейкеру?
График к этому готов, как мне кажется.
Главное, чтобы биток был в боковике, потому что если он поедет в низ, то тут можем увидеть перелой.
Не финансовый совет.
#COM конечно не радует, но и продавать не хочется в минус.
Покупать тоже нет желания, но это именно тот момент, когда нужно покупать.
Задача маркетмейкера сбросить всех пассажиров, чтобы потом расти легко, вот сейчас как раз таки идет высаживание.
Думаю насчет усреднения...
#TON прям четко успел взять по 1.8$, повезло, что #COM был на MEXС в позиции, успел быстро продать и купить #TON.
Уже +17%, фиксировать пока не буду, #TON накапливаю и в 2024 году планирую его продавать минимум по 4$