Python Eficaz

Isso significa que quando pensamos em empregar threads para implementar
computação paralela e acelerar nossos programas em Python, ficaremos
amargamente desapontados.
Por exemplo, digamos que se queira realizar algum trabalho intensivamente
computacional no Python. Usaremos um algoritmo bastante ingênuo de
fatoração de números como cobaia.
def factorize(number):
for i in range(1, number + 1):
if number % i == 0:
yield i
A fatoração de um conjunto de números, um depois do outro, toma bastante
tempo.
numbers = [2139079, 1214759, 1516637, 1852285]
start = time()
for number in numbers:
list(factorize(number))
end = time()
print('Took %.3f seconds' % (end - start))
>>>
Took 1.040 seconds
Usar múltiplas threads para esse cálculo faria muito sentido em outras
linguagens, porque podemos tirar vantagem de todos os núcleos de CPU do
computador. Vamos então tentar o mesmo em Python e observar o resultado. No
exemplo de código a seguir, definimos uma thread no Python para fazer esse
mesmo cálculo:
from threading import Thread
class FactorizeThread(Thread):
def __init__(self, number):
super().__init__()
self.number = number
www.full-ebook.com