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
🪙EthGlobalNews | #BTC Corporate Holdings Update
📊 Michael Saylor’s MicroStrategy still tops the list with 640,808 BTC, yet its dominance has slipped to 60% as more companies join the treasury wave.
🟠企業持幣版圖持續擴張,越來越多上市公司將比特幣納入資產負債表,集中度正在下降。
⚡️ 機構化持幣結構轉向多元,顯示「企業級 FOMO」已開始蔓延。
#比特币#Institutions#Markets#Insight
———
👍@Web3NewsInsight
🥲
🥲Follow for more Web3 News
🤣