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
Рассказываю про некоторые сделки
🍏 Во-первых, я почти полностью закрыла X5 #FIVE
📈50% за 4 месяца
Это и была тактическая идея
Подробнее и все ссылки на разбор 👉🏼тут
❗️
На самом деле, у самой акции есть апсайд, НО!
1️⃣Общее замедление вливаний в рынок акций на фоне роста ключевой ставки. Я думаю, в случае нейтрального новостного фона рынок будет пару месяцев в боковике. Сейчас идеальное время для сбережений и облигаций, деньги осядут там
2️⃣Замедляющаяся инфляция (а она должна замедляться: ключевая уже 13%) приводит к снижению показателей ритейла
3️⃣И очень важный фактор, к которому я пришла эмпирическим путем: несмотря на рост показателей, почему-то ритейлеры растут только летом. Остальное время либо падают, либо боковик (см. картинку)
Поэтому я вышла пока. Дальше поживем-увидим.
*Не ИИР