2 dépôts
Parallel execution of computationally intensive tasks across multiple CPU cores to maximize throughput.
Distinct from Parallel Task Execution: Candidates focus on build/test tasks or hardware instrumentation rather than general CPU-bound computation.
Explore 2 awesome GitHub repositories matching operating systems & systems programming · CPU-Bound Parallel Execution. Refine with filters or upvote what's useful.
pysheeet est une bibliothèque de référence technique fournissant une collection organisée d'extraits de code et de modèles d'implémentation pour le développement Python avancé, l'intégration système et le calcul haute performance. Il sert de guide complet pour implémenter la programmation réseau de bas niveau, les extensions C natives, et la programmation asynchrone et concurrente. Le projet fournit des frameworks spécialisés pour le développement et le déploiement de grands modèles de langage, y compris des outils pour l'inférence GPU distribuée et le service haute performance. Il inclut également des modèles détaillés pour l'orchestration de clusters de calcul haute performance, couvrant l'allocation des ressources GPU et la gestion des charges de travail multi-nœuds. La bibliothèque couvre une large surface de capacités, y compris la communication réseau sécurisée et la cryptographie, l'ORM et la gestion de base de données, et l'implémentation de structures de données et d'algorithmes complexes. Elle fournit également des utilitaires pour la gestion de la mémoire, l'interopérabilité native via des interfaces de fonctions étrangères (FFI) et l'intégration au niveau du système d'exploitation.
Provides patterns for the parallel execution of computationally intensive tasks across multiple CPU cores.
Happypack est un optimiseur de build pour Webpack qui réduit les temps de compilation en mettant en cache les sorties des modules et en parallélisant l'exécution des loaders. Il fonctionne comme un loader parallèle et un gestionnaire de pool de threads qui distribue les transformations de fichiers sur plusieurs threads de travail pour utiliser les cœurs CPU disponibles. Le projet utilise un mécanisme de stockage persistant pour les résultats des modules traités afin d'éviter les calculs redondants lors des cycles de build ultérieurs. Il gère un ensemble partagé de processus de travail pour allouer les ressources efficacement à travers les pipelines de transformation. Le système couvre la mise en cache des résultats de build et la parallélisation de l'exécution des loaders, ainsi que la génération de source maps.
Distributes CPU-bound file processing across multiple worker pools to reduce total build duration.