安裝pip install pypeln，基本元素如下：
這個是基於多程序。
import pypeln as pl
import time
from random import random
def slow_add1(x):
time.sleep(random()) # <= some slow computation
return x + 1
def slow_gt3(x):
time.sleep(random()) # <= some slow computation
return x > 3
data = range(10) # [0, 1, 2, ..., 9]
stage = pl.process.map(slow_add1, data, workers=3, maxsize=4)
stage = pl.process.filter(slow_gt3, stage, workers=2)
data = list(stage) # e.g. [5, 6, 9, 4, 8, 10, 7]
顧名思義，基於多執行緒。
import pypeln as pl
import time
from random import random
def slow_add1(x程式設計客棧):
time.sleep(random()) # <= some slow computation
return x + 1
def slow_gt3(x):
time.sleep(random()) # <= some slow computation
return x > 3
data = range(10) # [0, 1, 2, ..., 9]
stage = pl.thread.map(slow_add1, data, workers=3, maxsize=4)yhftjnhp
stage = pl.threwww.cppcns.comad.filter(slow_gt3, stage, workers=2)www.cppcns.com
data = list(stage) # e.g. [5, 6, 9, 4, 8, 10, 7]
協程，非同步io。
import pypeln as pl
import asyncio
from random import random
async def slow_add1(x):
await asyncio.sleep(random()) # <= some slow computation
return x + 1
async def slow_gt3(x):
await asyncio.sleep(random()) # <= some slow computation
return x > 3
data = range(10) # [0, 1, 2, ..., 9]
stage = pl.task.map(slow_add1, data, workers=3, maxsize=4)
stage = pl.task.filter(slow_gt3, stage, workers=2)
data = list(stage) # e.g. [5, 6, 9, 4, 8, 10, 7]
io 密集型應用cpu等待io時間遠大於cpu 自身執行時間，太浪費；常見的 io 密集型業務包括：瀏覽器互動、磁碟請求、網路爬蟲、資料庫請求等。
python 世界對於 io 密集型場景的併發提公升有 3 種方法：多程序、多執行緒、非同步 io(asyncio)。理論上講asyncio是效能最高的，原因如下：
1.程序、執行緒會有cpu上下文切換
2.程序、執行緒需要核心態和使用者態的互動，效能開銷大；而協程對核心透明的,只在使用者態執行
3.程序、執行緒並不可以無限建立，最佳實踐一般是 cpu*2；而協程併發能力強，併發上限理論上取決於作業系統io多路復用(linux下是 epoll)可註冊的檔案描述符的極限
下面是乙個資料庫訪問的測試：
記憶體：序列：75m
多程序：1.4g
多執行緒：150m
asyncio：120m
流水線排程
n個作業要在由2臺機器m1和m2組成的流水線上完成加工。每個作業加工的順序都是先在m1上加工，然後在m2上加工。m1和m2加工作業i所需的時間分別為a i 和b i 你可以安排每個作業的執行順序，使得從第乙個作業在機器m1上開始加工，到最後乙個作業在機器m2上加工完成所需的時間最少。求這個最少的時間...
流水線冒險
流水線冒險 回顧一下常用五階段流水線 f 取指 d 解碼 e 執行 m 訪存 w 寫回 注意 對暫存器檔案的寫只有在時鐘上公升的時候才會更新！資料冒險的原因 對暫存器檔案的讀寫是在不同階段進行的 1.用暫停來避免資料冒險 暫停時，處理器會停止流水線中一條或多條指令，直到冒險條件不再滿足。在本該正常處...
渲染流水線
應用階段 cpu準備資料，skinmeshrender，meshfilter，meshrender 頂點資料，三角形資料，法線資料，切線資料，渲染設定指令，紋理資料，uv資料 由cpu傳送給gpu，即一次drawcall 幾何階段 頂點變換，計算頂點顏色 如逐頂點光照 齊次裁剪空間，透視除法，歸一化...