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
🪙 32,137 #BTC ($2.18 billion) went from the wallet of the #Mt․Gox exchange that collapsed in 2014 to an unknown address — the market reacted with a drop, suggesting that payments to the exchange's creditors could begin at any moment.
⚫️The Black Swan arrived unexpectedly... wait for new comments, despite the unpleasant surprise, the situation may become an opportunity to enter the market and make money on non-negative growth.
😙 The reasons for the fall of the # bitcoin exchange rate below $61,000
The unemployment rate was 4.3%, which is higher than expected, indicating a possible recession
The Bank of Japan raised the interest rate for the first time in 17 years, which led to an outflow of investments from risky assets
Increased geopolitical tensions (fear of a major world war)
😏Continued distribution of #BTC from #Mt.Gox and #Genesis