컴퓨터가 작업을 처리하는 속도를 높여주는 방법 중 하나이다.
무언가 일이 주어졌을 때 1명이 일하냐, 4명이 동시에 일하느냐에 따라 작업 처리 속도가 확연히 차이 날 것이다.
우선 Multiprocessing을 사용하지 않았을 때를 살펴보자.
[코드]
import time
num_list = ['PR1','PR2', 'PR3', 'PR4']
start = time.time()
def count(name):
for i in range(0, 100000000):
a = 10 + 100
print("finish : ",name)
for num in num_list:
count(num)
print("time :", time.time() - start)[결과]
finish : p1
finish : p2
finish : p3
finish : p4
time : 8.653742551803589이제 Multiprocessing처리한 코드를 보자.
[코드]
import multiprocessing
import time
num_list = ['p1','p2', 'p3', 'p4']
start = time.time()
def count(name):
for i in range(0, 100000000):
a = 1+2
print("finish : ",name)
if __name__ == '__main__':
pool = multiprocessing.Pool(processes = 4)
pool.map(count, num_list)
pool.close() # 병렬화 부분이 끝나면 나온다. 더 이상 pool을 통해서 새로운 작업을 추가하지 않을 때 사용.
pool.join() # 프로세스가 종료될 때까지 대기하도록 지시하는 구문. 병렬처리 작업이 끝날 때까지 기다린다.
print("time :", time.time() - start)참고로 결과는 사람마다 다르다.
[결과]
finish : finish : p4p1
finish : p3
finish : p2
time : 2.5512523651123047처리속도가 확연히 차이나는 것을 볼 수 있다.
- serial processing : 8.653742551803589
- multi processing : 2.5512523651123047
