python--利用concurrent.futures 来实现真正的平行计算

    由于python的全局解释锁（GIL）使得我们无法使用线程进行真正的平行计算，因此，我们把总计算量分配到多个独立的任务中，并在多个CPU核心上同时运行任务是很难实现的。

    为解决该类问题，提高代码执行速率，我们尝试可以引入concurrent.futures模块，来利用另外一个名叫multiprocessing的内置模块实现这种需求。该做法会以子程序的形式，平行地运行多个解释器，从而令python程序能够利用多核心CPU来提升执行速度。由于子进程与主解释器相分离，所以，他们的全局解释器锁也是相互独立的。每个子进程都可以完整的利用一个CPU内核，而且这些子进程都与主进程之间有着联系，通过这条联系渠道，子进程可以接收主进程发过来的指令，并把计算结果返回给主进程。

    例如，我们首先定义一个函数：

def demo(info):
    a, b = info
    low = min(a, b)
    for i in range(low,0,-1):
        if a % i == 0 and b % i == 0:
            return i 

接着，我们分别计算没有做平行计算和做了平行计算所需要的时间：

首先，我们先导入一个库：

from concurrent.futures import ProcessPoolExecutor

接着：

然后运行程序之后，我们会发现，直接运行所耗时间大概为14秒，然后双核计算为7秒

另外，关于multiprocessing开销较大的原因：主进程和子进程之间，必须进行序列化和反序列化操作，而程序中的大量开销，正是由这些操作所引发的。