任务调度并行算法的Python简单实现

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])