任務排程並行演算法的Python簡單實現

本來自己想先使用Java來寫一個版本，然後根據語法轉義寫成Python版本的，結果發現實際去做的時候有很多不同之處，首先就是Python中沒有直接的陣列的結構，入手點就不同，然後是API的使用程度上來看，發現Python中真是豐富，幾乎都不需要再額外定製一些函式就可以輕鬆得到想要的結果。

Python版本的初版如下，我在考慮是否要引入第二維度作為參考，根據額外的維度來達到一種彈性的排程策略。

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)

先看看目前的實現結果吧。如果是100個元素，分為4組，元素的分佈還算比較平均。

('array_group', [[84, 24, 21], [73, 51, 3], [63, 62], [63, 61]])('array_sum_group', [129, 127, 125, 124])

這在元素的量級比較大的時候，效果就很明顯了，比如元素是1000個，分為4組，得到的每組的結果集都是非常平均的。

('array_sum_group', [12951, 12951, 12951, 12951])

如果元素為1000，並行度為10，結果還不賴，達到了自己的初步預期了。

('array_sum_group', [4877, 4876, 4876, 4876, 4876, 4876, 4876, 4876, 4876, 4876])

任務排程並行演算法的Python簡單實現

相關文章