本篇内容介绍了“Python怎么实现任务调度并行算法”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！
本来自己想先使用Java来写一个版本，然后根据语法转义写成Python版本的，结果发现实际去做的时候有很多不同之处，首先就是Python中没有直接的数组的结构，入手点就不同，然后是API的使用程度上来看，发现Python中真是丰富，几乎都不需要再额外定制一些函数就可以轻松得到想要的结果。
Python版本的初版如下，我在考虑是否要引入第二维度作为参考，根据额外的维度来达到一种弹性的调度策略。
import randomARRAY_SIZE = 10def random_int_list(start, stop, length):start, stop = (int(start), int(stop)) if start <= stop else (int(stop), int(start))length = int(abs(length)) if length else 0random_list = []for i in range(length+1):random_list.append(random.randint(start, stop))return random_listrandom_list = random_int_list(1,100,ARRAY_SIZE)print(random_list)random_list.sort(reverse=1)print(random_list)GRP_NO = 4array_group = [[0]*1 for i in range(GRP_NO)]print array_groupsum_value_array = []for i in range(GRP_NO):sum_value_array.append(i)print(sum_value_array)for i in random_list[1:ARRAY_SIZE+1]:print(i)array_sum_group=[0]*GRP_NOfor index,val in enumerate(random_list[1:GRP_NO+1]):#print 'index is %d, val is %d' % (index,val)array_group[index][0]=valarray_sum_group[index]=valprint(array_sum_group,array_sum_group.index(min(array_sum_group)))print(random_list)for index,val in enumerate(random_list[GRP_NO+1:]):#print 'index is %d, val is %d' % (index,val)min_group_no = array_sum_group.index(min(array_sum_group))array_group[min_group_no].append(val)array_sum_group[min_group_no] += valprint("array_group",array_group)print("array_sum_group",array_sum_group)先看看目前的实现结果吧。如果是100个元素，分为4组，元素的分布还算比较平均。
('array_group', [[84, 24, 21], [73, 51, 3], [63, 62], [63, 61]])('array_sum_group', [129, 127, 125, 124])这在元素的量级比较大的时候，效果就很明显了，比如元素是1000个，分为4组，得到的每组的结果集都是非常平均的。
('array_sum_group', [12951, 12951, 12951, 12951])如果元素为1000，并行度为10，结果还不赖，达到了自己的初步预期了。
('array_sum_group', [4877, 4876, 4876, 4876, 4876, 4876, 4876, 4876, 4876, 4876])“Python怎么实现任务调度并行算法”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注编程网网站，小编将为大家输出更多高质量的实用文章！
