Multiprocessamento.

Nesta segunda parte sobre multiprocessamento vamos mostrar como compartilhar os dados entre os processos.

No Post anterior, mostramos como criar os processos e sua manipulação.

Lembrando que em um multiprocessamento, cada processo tem seu próprio espaço em memória e rodam independentes.

Para compartilhar os dados entre os processos, vamos utilizar 2 tipos de canais de comunicações:

1. Queue: Uma forma simples de comunicação entre os processos, basicamente uma fila onde se recebe e envia as mensagens;
2. Pipe: Nesse tipo de comunicação, é criado uma fila que existe somente 1 ponto de entrada e 1 ponto de saída.

Acesse o tutorial completo em: https://nakatech.herokuapp.com/article/pyProcessor2.html.

Multiprocessamento com Python.

No Post anterior falamos sobre execução de thread com Python.

Nesse Post vamos falar sobre utilização de multiprocessamento com Python.

Consegue identificar a diferença entre multiprocessamento e multi thread’s ou multitarefas?

Um exemplo bem prático é imaginar aqueles motoristas de ônibus que além de dirigir, eles também cobram a passagem, esse seria um exemplo de multi thread ou multitarefas.

Agora imagine esse mesmo motorista, mas agora ele somente dirige o ônibus e agora um cobrador faz a tarefa de cobrar as passagens, agora esse é um exemplo de multiprocessamento.

Acesse o post completo em: https://nakatech.herokuapp.com/article/pyProcessor.html.

Thread com Python.

Trabalhar com thread na maioria das linguagens é uma tarefa meio complicada devido aos problemas de deadlock.

Se você não está usando uma linguagem como Go que já tem um propósito de trabalhar com múltiplas thread’s, vai ter que ter muito cuidado principalmente se não for uma linguagem thread safe.

Lembrando que estamos falando de thread e não de multiprocessamento que são coisas diferentes.

Nas thread’s, o processamento das tarefas são paralelizadas no mesmo processador. No caso do multiprocessamento, são utilizados recursos de vários processadores da máquina.

A ideia aqui é somente exemplificar um uso simples com thread em Python.

Acesse o tutorial completo em: https://nakatech.herokuapp.com/article/pyThread.html.

Python Pillow.

O Pillow ou simplesmente Pil é uma biblioteca Python para trabalhar com imagens.

Uma das melhores e poderosa biblioteca para trabalhar com imagens de forma simples.

Com sua implementação fácil, fazer tratamentos de imagens torna uma tarefa fácil para o desenvolvedor.

Instalando Pillow.

A instalação do Pillow é bem simples, vamos fazer a instalação via PiP para facilitar.

Execute o comando no terminal: sudo pip install Pillow

Acesse o tutorial completo em: https://nakatech.herokuapp.com/article/pillow.html.

Anaconda e Jupyter.

 

Conhece as ferramentas Anaconda e Jupyter?

Anaconda é uma ferramenta que agrupa várias ferramentas para facilitar projetos de Data Science entre elas o Jupyter.

Já pensou ter que montar todo um ambiente, pacotes e bibliotecas para poder montar um projeto de Data Science?

Instalando o Anaconda a maioria dos recursos e ferramentas vão ser instalados, entre eles:

• Jupyter Notebook: Ferramenta que possibilita criar e compartilhar documentos com códigos dinâmicos;
• Jupyter Lab: Possibilita o desenvolvedor utilizar uma IDE e um terminal integrado para desenvolvimento de algumas linguagens de programação.
• Spyder: Outra IDE mais completa com facilidades para trabalhos com projetos Científicos.

Instalação do Anaconda.

O Anaconda é praticamente multi-plataforma, suportando sistemas operacionais como Windows, Linux e Mac, fica fácil em casos de migrações e compartilhamento.

Dentro do site oficial do Anaconda entre na sessão de download e selecione o sistema operacional e arquitetura do processador.

Conclusão.

Anaconda facilita a vida do desenvolvedor que precisa trabalhar com Data Science, várias ferramentas, IDE e ambiente pronto para desenvolvimento. Além do Jupyter que possibilita criar documentações com códigos dinâmicos e compartilhar.

 

Nuitka.

Para quem desenvolve na plataforma Python sabe a dificuldade em distribuir a aplicação sem disponibilizar o código fonte.

Claro que hoje podemos utilizar o PIP para gerenciar e distribuir os pacotes ou a aplicação Python de forma bem tranquila.

Mas e quando o cliente não quer instalar nada mais do que a aplicação?

Aí que entra o Nuitka, uma forma de converter códigos Python em códigos C e transformar em uma aplicação nativa.

Compatível com as versões do Python 2.6, 2.7, 3.3, 3.4, 3.5, 3.6 e 3.7.

Acesse o tutorial completo em: Nakatech.

Pyramid.

O Pyramid é microframework Web para Python que podemos chamar de minimalista.

Praticamente podemos começar com uma simples aplicação e crescer para uma aplicação mais completa utilizando módulos de terceiros com pouco esforço.

O Pyramid tem um rápido desenvolvimento, estável, escalável e seguro.

O desenvolvedor pode se guiar pela ótima documentação fornecida pelo site do Pyramid.

O Pyramid é uma boa opção para desenvolvimento de aplicações Web, tem um código aberto mantido pela comunidade e com por alguns patrocinadores.

Acesse o tutorial completo em Nakatech.