Python вычисляет кластер
Я использовал JEuclid для рендеринга MathML в моем проекте Symja (система символьной математики Java - пункт 4 вашего списка). JEuclid может быть слишком медленным (особенно при запуске) для отображения MathML на мобильном телефоне.
Другие альтернативы для рендеринга математических выражений с TeX:
и для реорганизации уравнений или в качестве общих библиотек математики Java:
- Mathrider (Yacas для Java)
- Jasymca - Символьный калькулятор для мобильных устройств
- Система алгебры Java
- Библиотека математики Apache Commons
Проекты калькуляторов для Android:
- научный калькулятор для Android (лицензия Apache)
- Jasymca для Android (публичная лицензия GNU)
- Калькулятор Arity для Android (Лицензия Apache)
5 ответов
Вики Python содержит очень полный список библиотек и инструментов для кластерных вычислений Python . Возможно, вас особенно заинтересует Parallel Python .
Изменить: Есть новая библиотека, которая, IMHO, особенно хороша для кластеризации: execnet . Он маленький и простой. И, похоже, в нем меньше ошибок, чем, скажем, в стандартном многопроцессорном модуле.
Чем ты хочешь заниматься? Возможно, вы захотите проверить hadoop . Бэкэнд, тяжелая работа выполняется на java, но имеет интерфейс python, поэтому вы можете писать сценарии python, создавать и отправлять ввод, а также обрабатывать результаты.
Посмотрите на эти
http://www.parallelpython.com/
Я использовал оба, и оба они великолепны. для распределенных вычислений
более подробный список опций см.
http://wiki.python.org/moin/ParallelProcessing
и если вы хотите автоматически выполнить что-то на удаленной машине, лучшей альтернативой telnet является ssh, как в http: //pydsh.sourceforge. net /
Вы можете увидеть большинство сторонних пакетов, доступных для Python 3, перечисленных здесь ; относится к кластерным вычислениям mpi4py - большинство других инструментов распределенных вычислений, таких как pyro, по-прежнему являются только Python-2, но MPI является ведущим стандартом для распределенных вычислений кластера и хорошо разбирается в (у меня нет прямого опыта использования mpi4py с Python 3, но по слухам я считаю, что это хорошая реализация).
Основной альтернативой является собственная встроенная в Python многопроцессорная обработка , которая также неплохо масштабируется, если вы не заинтересованы в взаимодействие с существующими узлами, которые соответствуют стандартам MPI, но не могут быть закодированы на Python.
Нет никакой реальной добавленной стоимости в прокрутке собственных узлов (как говорит Этвуд, не изобретайте велосипед,
«Можно ли создать кластер на питоне»
Да.
Я люблю вопросы типа «да / нет». Что еще вы хотите узнать?
(Обратите внимание, что в Python 3 еще есть несколько сторонних библиотек, поэтому вы можете в данный момент остаться с Python 2.)