Null
2021年05月03日入驻
合计 3
个作品
累计 37.43
万字
共有 1
订阅
-
使用RPyC远程调用
Remote Python Call(RPyC)是一个用作远程过程调用,同时也可以用作分布式计算的Python模块。其基础RPC主要是提供一种将控制从当前程序(客户端)转移到其他程序(服务器)的机制,类似于在一个主程序里去调用一个子程序。这种方式的优点是它拥有非常简单的语义,知识以及熟悉的集中式函数调用。 -
使用Pyro4进行远程方法调用
Python Remote Objects (Pyro4) 实现了类似 Java 的远程方法调用(Remote Method Invocation, RMI). 可以调用一个远程对象(存在于另一个进程中,甚至是另一台机器上),就像调用本地对象一样(处于和调用者一样的进程)。从概念的角度讲,RMI 的技术可以追溯到远程过程调用(remote procedure call,RPC),RMI 是远程过程调用技术针对面向对象范式进行改造——方法替换过程。在面向对象系统中,对远程方法调用使用这样一种机制可以在项目的统一性和对称性上有很多优势,因为这样我们可以复用同一应用不同对象或方法之间调用的模型。 -
使用SCOOP进行科学计算
Scalable Concurrent Operations in Python (SCOOP) 是一个可扩展的 Python 并行计算库,可以将并行的任务(Python 的 Futures )放到各种各样的计算节点上执行。它基于 ØMQ 架构,提供了一种在分布式系统中管理 Futures 的方法。SCOOP 主要的应用场景是科学计算,尽可能利用所有的结算资源来执行大量的分布式任务。 -
使用Celery实现分布式任务
Celery 是一个 Python 框架,用来管理分布式任务的,遵循面向对象的中间件方法。它的主要 feature 是可以将许多小任务分布到一个大型的计算集群中,最后将任务的结果收集起来,组成整体的解决方案。 -
使用Asyncio和Futures
Asyncio 模块的另一个重要的组件是 Future 类。它和 concurrent.futures.Futures 很像,但是针对Asyncio的事件循环做了很多定制。 asyncio.Futures 类代表还未完成的结果(有可能是一个Exception)。所以综合来说,它是一种抽象,代表还没有做完的事情。