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
#OP/USDT analysis :
#OP is currently forming a continuation pattern within a downtrend. The price has broken previous lows, and it is anticipated that it will continue its bearish momentum. It is advisable to wait for a pullback to the identified zone for a short entry, as the previous swing low is expected to be tested.
TF : 1D
Entry : $1.493
Target : $1.076
SL : $1.773
#OP/USDT analysis :
#OP has broken out above the 200 EMA and the previous resistance zone with strong bullish momentum. It is now retesting the breakout zone. The price is expected to continue its bullish bias and test previous highs. Wait for a break of the $1.517 level to go long.
TF : 2H
Entry : $1.517
Target : $1.643
SL : $1.444