PP Einfache und effiziente Möglichkeit, parallele-fähige Anwendungen für SMP-Computer und Cluster zu erstellen
Jetzt downloaden

PP Ranking & Zusammenfassung

PP Stichworte

sich entwickeln Python-Entwicklung Clusterentwicklung SMP-Entwicklung Glühbirne. Smp

PP Beschreibung

Einfache und effiziente Möglichkeit, parallele-fähige Anwendungen für SMP-Computer und Cluster zu erstellen PP ist ein Python-Modul, das Mechanismus zur parallelen Ausführung von Python-Code auf SMP (Systeme mit mehreren Prozessoren oder Kernen) und Clustern (Computer, die über das Netzwerk angeschlossen sind) bereitstellt .PP ist leicht, einfach, einfach zu installieren und mit anderen Python-Software zu installieren. PP ist ein Open-Source- und Cross-Platform-Modul, das in reinem Python.PP geschrieben wurde, bietet eine einfache und effiziente Möglichkeit, parallelfähige Anwendungen für SMP-Computer und -cluster zu erstellen. Das PP-Modul verfügt über eine plattformübergreifende Portabilität und ein dynamisches Lastausgleich. So werden Anwendungen, die mit PP geschrieben wurden, auch auf mehrsprachen und heterogenen Clustern effizient parallelisiert (einschließlich Clustern, die andere Anwendungen mit variablen CPU-Lasten ausführen) .note: PP wird entwickelt, bereitgestellt und unter den Bedingungen der BSD-Lizenz lizenziert. Hier sind einige wichtige Funktionen von "PP": · Parallele Ausführung des Python-Codes auf SMP und Cluster · Einfache Verständnis und Implementierung der berufsbasierten Parallelisierungstechnik (einfach, um die serielle Anwendung parallel umzusetzen) · Automatische Erkennung der optimalen Konfiguration (standardmäßig ist die Anzahl der Arbeitnehmerprozesse auf die Anzahl der effektiven Prozessoren eingestellt) · Die Zuteilung der dynamischen Prozessoren (Anzahl der Arbeiterprozesse können zur Laufzeit geändert werden) · Niedriger Overhead für nachfolgende Aufträge mit derselben Funktion (transparentes Caching wird umgesetzt, um den Overhead zu verringern) · Dynamisches Lastausgleich (Jobs werden zwischen den Prozessoren zur Laufzeit verteilt) · Fehlertoleranz (Wenn eine der Knoten fehlschlägt, werden Aufgaben auf andere neu geplant) · Auto-Entdeckung der Rechenressourcen · Dynamische Zuteilung von Rechenressourcen (Folge von Auto-Discovery und Fabrik-Toleranz) · SHA-basierte Authentifizierung für Netzwerkverbindungen · Plattformübergreifende Portabilität und Interoperabilität (Windows, Linux, UNIX, Mac OS X) · Kreuzarchitektur-Portierbarkeit und Interoperabilität (X86, X86-64 usw.) · Open Source Anforderungen: · Python 2.3 oder höher

PP Zugehörige Software