同步多个线程和进程来管理并行任务。 使用消息传递技术建立进程间通信来构建并行应用。 为自己的GPU卡编程来解决复杂的问题。 管理计算实体来执行分布式计算任务。 采用事件驱动编程模型编写**的程序。 使用Django和Google App Engine研究云技术。 应用能改善性能的并行编程技术。

目录 前言 第1章 并行计算和Python入门 1 1.1 为什么需要并行计算? 1 1.2 费林分类法 2 1.2.1 单指令流单数据流 (SISD) 2 1.2.2 多指令流单数据流 (MISD) 3 1.2.3 单指令流多数据流 (SIMD) 4 1.2.4 多指令流多数据流 (MIMD) 4 1.3 内存组织 5 1.3.1 共享内存 6 1.3.2 分布式内存 7 1.3.3 大规模并行处理 (MPP) 8 1.3.4 工作站集群 8 1.3.5 异构体系结构 9 1.4 并行编程模型 9 1.4.1 共享内存模型 10 1.4.2 多线程模型 10 1.4.3 消息传递模型 10 1.4.4 数据并行模型 11 1.5 并行程序性能评价 13 1.5.1 加速比 14 1.5.2 效率 14 1.5.3 扩缩性 15 1.5.4 阿姆达尔定律 15 1.5.5 古斯塔夫森定律 15 1.6 Python介绍 16 1.6.1 帮助函数 16 1.6.2 语法 18 1.6.3 注释 19 1.6.4 赋值 19 1.6.5 数据类型 19 1.6.6 字符串 21 1.6.7 流控制 21 1.6.8 函数 23 1.6.9 类 24 1.6.10 异常 25 1.6.11 导入库 26 1.6.12 管理文件 26 1.6.13 列表推导 27 1.6.14 运行Python脚本 28 1.6.15 使用pip安装Python包 28 1.7 Python并行编程介绍 29 第2章 基于线程的并行 33 2.1 什么是线程? 34 2.2 Pythonthreading模块 35 2.3 定义一个线程 35 2.3.1 准备工作 35 2.3.2 实现过程 36 2.3.3 工作原理 36 2.3.4 相关内容 37 2.4 确定当前线程 37 2.4.1 准备工作 37 2.4.2 实现过程 37 2.4.3 工作原理 38 2.5 定义一个线程子类 39 2.5.1 准备工作 39 2.5.2 实现过程 39 2.5.3 工作原理 41 2.5.4 相关内容 42 2.6 使用锁的线程同步 42 2.6.1 准备工作 43 2.6.2 实现��程 43 2.6.3 工作原理 45 2.6.4 相关内容 46 2.7 使用RLock的线程同步 47 2.7.1 准备工作 47 2.7.2 实现过程 48 2.7.3 工作原理 49 2.7.4 相关内容 50 2.8 使用信号量的线程同步 51 2.8.1 准备工作 51 2.8.2 实现过程 51 2.8.3 工作原理 53 2.8.4 相关内容 54 2.9 使用条件的线程同步 54 2.9.1 准备工作 54 2.9.2 实现过程 54 2.9.3 工作原理 56 2.9.4 相关内容 58 2.10 使用事件的线程同步 58 2.10.1 准备工作 59 2.10.2 实现过程 59 2.10.3 工作原理 61 2.11 使用屏障的线程同步 62 2.11.1 准备工作 62 2.11.2 实现过程 62 2.11.3 工作原理 63 2.12 使用队列的线程通信 63 2.12.1 准备工作 64 2.12.2 实现过程 64 2.12.3 工作原理 65 2.12.4 相关内容 66 第3章 基于进程的并行 68 3.1 理解Python的multiprocessing模块 68 3.2 创建进程 69 3.2.1 准备工作 69 3.2.2 实现过程 69 3.2.3 工作原理 70 3.2.4 相关内容 71 3.2.5 参考资料 71 3.3 命名进程 72 3.3.1 准备工作 72 3.3.2 实现过程 72 3.3.3 工作原理 73 3.3.4 相关内容 73 3.3.5 参考资料 73 3.4 在后台运行进程 73 3.4.1 准备工作 74 3.4.2 实现过程 74 3.4.3 工作原理 75 3.4.4 参考资料 76 3.5 杀死进程 76 3.5.1 准备工作 76 3.5.2 实现过程 76 3.5.3 工作原理 77 3.5.4 参考资料 78 3.6 子类中定义进程 78 3.6.1 准备工作 78 3.6.2 实现过程 78 3.6.3 工作原理 79 3.6.4 相关内容 80 3.6.5 参考资料 80 3.7 使用队列交换数据 80 3.7.1 准备工作 80 3.7.2 实现过程 80 3.7.3 工作原理 82 3.7.4 相关内容 83 3.7.5 参考资料 84 3.8 使用管道交换对象 84 3.8.1 准备工作 84 3.8.2 实现过程 84 3.8.3 工作原理 86 3.8.4 相关内容 87 3.8.5 参考资料 87 3.9 同步进程 87 3.9.1 准备工作 87 3.9.2 实现过程 87 3.9.3 工作原理 89 3.9.4 相关内容 89 3.9.5 参考资料 89 3.10 使用进程池 90 3.10.1 准备工作 90 3.10.2 实现过程 91 3.10.3 工作原理 91 3.10.4 相关内容 92 3.10.5 参考资料 93 第4章 消息传递 94 4.1 技术需求 94 4.2 理解 MPI结构 95 4.3 使用mpi4pyPython模块 96 4.3.1 实现过程 96 4.3.2 工作原理 97 4.3.3 相关内容 98 4.3.4 参考资料 98 4.4 实现点对点通信 98 4.4.1 实现过程 99 4.4.2 工作原理 100 4.4.3 相关内容 101 4.4.4 参考资料 102 4.5 避免死锁问题 102 4.5.1 实 现过程 102 4.5.2 工作原理 103 4.5.3 相关内容 105 4.5.4 参考资料 106 4.6 使用广播的聚合通信 106 4.6.1 准备工作 107 4.6.2 实现过程 107 4.6.3 工作原理 107 4.6.4 相关内容 109 4.6.5 参考资料 109 4.7 使用scatter函数的聚合通信 109 4.7.1 实现过程 109 4.7.2 工作原理 110 4.7.3 相关内容 111 4.7.4 参考资料 112 4.8 使用gather函数的聚合通信 112 4.8.1 准备工作 112 4.8.2 实现过程 112 4.8.3 工作原理 113 4.8.4 相关内容 113 4.8.5 参考资料 114 4.9 使用Alltoall的聚合通信 114 4.9.1 实现过程 114 4.9.2 工作原理 114 4.9.3 相关内容 115 4.9.4 参考资料 116 4.10 归约操作 116 4.10.1 准备工作 116 4.10.2 实现过程 116 4.10.3 工作原理 117 4.10.4 相关内容 118 4.10.5 参考资料 119 4.11 优化通信 119 4.11.1 实现过程 119 4.11.2 工作原理 121 4.11.3 相关内容 123 4.11.4 参考资料 124 第5章 异步编程 125 5.1 使用concurrent.futuresPython模块 125 5.1.1 准备工作 126 5.1.2 实现过程 126 5.1.3 工作原理 128 5.1.4 相关内容 130 5.1.5 参考资料 130 5.2 使用asyncio管理事件循环 130 5.2.1 理解事件循环 131 5.2.2 实现过程 132 5.2.3 工作原理 134 5.2.4 相关内容 135 5.2.5 参考资料 136 5.3 使用asyncio处理协程 136 5.3.1 准备工作 136 5.3.2 实现过程 137 5.3.3 工作原理 3_x005f f4139 5.3.4 相关内容 141 5.3.5 参考资料 141 5.4 使用asyncio管理任务 141 5.4.1 实现过程 142 5.4.2 工作原理 143 5.4.3 相关内容 145 5.4.4 参考资料 145 5.5 处理asyncio和future 145 5.5.1 准备工作 145 5.5.2 实现过程 146 5.5.3 工作原理 147 5.5.4 相关内容 148 5.5.5 参考资料 149 第6章 分布式Python 150 6.1 分布式计算介绍 150 6.2 分布式应用的类型 151 6.2.1 客户-服务器应用 151 6.2.2 多层应用 153 6.3 使用Pythonsocket模块 153 6.3.1 准备工作 154 6.3.2 实现过程 154 6.3.3 工作原理 156 6.3.4 相关内容 157 6.3.5 参考资料 159 6.4 使用Celery的分布式任务管理 160 6.4.1 准备工作 160 6.4.2 实现过程 161 6.4.3 工作原理 162 6.4.4 相关内容 164 6.4.5 参考资料 166 6.5 使用Pyro4实现RMI 167 6.5.1 准备工作 167 6.5.2 实现过程 167 6.5.3 工作原理 169 6.5.4 相关内容 170 6.5.5 参考资料 173 第7章 云计算 174 7.1 什么是云计算? 174 7.2 理解云计算架构 176 7.2.1 服务模型 176 7.2.2 发布模型 177 7.2.3 云计算平台 178 7.3 用PythonAnywhere开发 Web应用 179 7.3.1 准备工作 179 7.3.2 实现过程 180 7.3.3 工作原理 185 7.3.4 相关内容 186 7.3.5 参考资料 187 7.4 Docker化Python应用 187 7.4.1 准备工作 188 7.4.2 实现过程 189 7.4.3 工作原理 190 7.4.4 相关内容 7.4.5 参考资料 192 7.5 无服务器计算介绍 192 7.5.1 准备工作 193 7.5.2 实现过程 193 7.5.3 工作原理 196 7.5.4 相关内容 199 7.5.5 参考资料 200 第8章 异构计算 201 8.1 理解异构计算 201 8.2 理解GPU架构 202 8.3 理解GPU编程 203 8.3.1 CUDA 203 8.3.2 OpenCL 203 8.4 处理PyCUDA 204 8.4.1 准备工作 204 8.4.2 实现过程 204 8.4.3 工作原理 205 8.4.4 相关内容 205 8.4.5 参考资料 206 8.5 使用PyCUDA的异构编程 206 8.5.1 实现过程 207 8.5.2 工作原理 209 8.5.3 相关内容 211 8.5.4 参考资料 211 8.6 使用实现内存管理 211 8.6.1 准备工作 212 8.6.2 实现过程 8.6.3 工作原理 215 8.6.4 相关内容 218 8.6.5 参考资料 218 8.7 PyOpenCL介绍 219 8.7.1 准备工作 219 8.7.2 实现过程 219 8.7.3 工作原理 221 8.7.4 相关内容 222 8.7.5 参考资料 223 8.8 使用PyOpenCL构建应用 223 8.8.1 实现过程 223 8.8.2 工作原理 226 8.8.3 相关内容 228 8.8.4 参考资料 228 8.9 使用PyOpenCL处理元素级表达式 229 8.9.1 准备工作 229 8.9.2 实现过程 229 8.9.3 工作原理 230 8.9.4 相关内容 232 8.9.5 参考资料 233 8.10 评价PyOpenCL应用 233 8.10.1 准备工作 233 8.10.2 实现过程 233 8.10.3 工作原理 235 8.10.4 相关内容 237 8.10.5 参考资料 238 8.11 使用Numba的GPU编程 238 8.11.1 准备工作 239 8.11.2 实现过程 241 8.11.3 工作原理 242 8.11.4 相关内容 243 8.11.5 参考资料 245 第9章 Python调试和测试 246 9.1 什么是调试? 246 9.2 什么是软件测试? 247 9.3 使用 WinpdbReborn调试 248 9.3.1 准备工作 248 9.3.2 实现过程 248 9.3.3 工作原理 252 9.3.4 相关内容 254 9.3.5 参考资料 255 9.4 与pdb交互 255 9.4.1 准备工作 255 9.4.2 实现过程 257 9.4.3 工作原理 258 9.4.4 相关内容 258 9.4.5 参考资料 259 9.5 实现rpdb调试 259 9.5.1 准备工作 259 9.5.2 实现过程 261 9.5.3 工作原理 263 9.5.4 相关内容 264 9.5.5 参考资料 265 9.6 处理unittest 265 9.6.1 准备工作 266 9.6.2 实现过程 266 9.6.3 工作原理 267 9.6.4 相关内容 269 9.6.5 参考资料 270 9.7 使用nose测试应用 270 9.7.1 准备工作 270 9.7.2 实现过程 271 9.7.3 工作原理 272 9.7.4 相关内容 272 9.7.5 参考资料 273