cvxopt 仅使用一个核心，需要 运行 all / some
cvxopt uses just one core, need to run on all / some
我在 Python 3.6.6 中调用 cvxopt.glpk.ilp，cvxopt==1.2.3 用于布尔优化问题，大约有 500k 个布尔变量。 1.5小时就解决了，不过好像只有一个核心运行！我怎样才能在所有或一组特定的核心上实现 运行？
Linux Ubuntu x86_64 的服务器有 16 或 32 个物理内核。我的进程亲和力是 64 个内核（我假设是由于超线程）。
> grep ^cpu\scores /proc/cpuinfo | uniq
16
> grep -c ^processor /proc/cpuinfo
64
> taskset -cp <PID>
pid <PID> current affinity list: 0-63
但是 top 显示我的进程只有 100% CPU，并且 htop 显示只有一个核心 100% 忙（其他一些可能被其他用户略微加载） .
我设置OMP_NUM_THREADS=32并再次启动我的程序，但仍然是一个核心。重新启动服务器本身有点困难。我没有服务器的根访问权限。
我从一家公司的内部仓库安装了 cvxopt，它应该是 PyPI 的镜像。 /usr/lib 中安装了以下库：liblapack, liblapack_atlas, libopenblas, libblas, libcblas, libatlas。
some SO-user writes, that GLPK 不是多线程的。这是默认使用的求解器，因为 cvxopt 没有自己的 MIP 求解器。
作为开源混合整数规划求解器的 cvxopt only supports GLPK，你真倒霉。
或者你可以使用 CoinOR 的 Cbc, which is usually a much better solver than GLPK while still being open-source. This one also can be compiled with parallelization. See some benchmarks 这也表明 GLPK 确实没有并行支持。
但由于 cvxopt 不支持，您将需要一些替代访问点：
- 拥有基于 C/C++ 的包装器
- pulp
- 二进制安装可用
- python-mip
- 二进制安装可用
- Google's ortools
- 二进制安装可用
- cylp
- cvxpy + cylp
- 可用于 cvxpy 的二进制安装；没有 cylp-build
那些：
- 有非常不同的建模风格（从完全低级的：cylp 到非常高级的：cvxpy）
- 我不确定是否所有这些构建都是使用 enable-parallel 编译的（编译 Cbx 时需要）
此外：不要期望从多线程中获得太多收益。它通常比线性加速更糟糕（对于所有不基于蛮力的组合优化问题）。
（恕我直言，GIL 并不重要，因为所有这些都是 GIL 不妨碍的 C 扩展）
我在 Python 3.6.6 中调用 cvxopt.glpk.ilp，cvxopt==1.2.3 用于布尔优化问题，大约有 500k 个布尔变量。 1.5小时就解决了，不过好像只有一个核心运行！我怎样才能在所有或一组特定的核心上实现 运行？
Linux Ubuntu x86_64 的服务器有 16 或 32 个物理内核。我的进程亲和力是 64 个内核（我假设是由于超线程）。
> grep ^cpu\scores /proc/cpuinfo | uniq
16
> grep -c ^processor /proc/cpuinfo
64
> taskset -cp <PID>
pid <PID> current affinity list: 0-63
但是 top 显示我的进程只有 100% CPU，并且 htop 显示只有一个核心 100% 忙（其他一些可能被其他用户略微加载） .
我设置OMP_NUM_THREADS=32并再次启动我的程序，但仍然是一个核心。重新启动服务器本身有点困难。我没有服务器的根访问权限。
我从一家公司的内部仓库安装了 cvxopt，它应该是 PyPI 的镜像。 /usr/lib 中安装了以下库：liblapack, liblapack_atlas, libopenblas, libblas, libcblas, libatlas。
作为开源混合整数规划求解器的 cvxopt only supports GLPK，你真倒霉。
或者你可以使用 CoinOR 的 Cbc, which is usually a much better solver than GLPK while still being open-source. This one also can be compiled with parallelization. See some benchmarks 这也表明 GLPK 确实没有并行支持。
但由于 cvxopt 不支持，您将需要一些替代访问点：
- 拥有基于 C/C++ 的包装器
- pulp
- 二进制安装可用
- python-mip
- 二进制安装可用
- Google's ortools
- 二进制安装可用
- cylp
- cvxpy + cylp
- 可用于 cvxpy 的二进制安装；没有 cylp-build
那些：
- 有非常不同的建模风格（从完全低级的：cylp 到非常高级的：cvxpy）
- 我不确定是否所有这些构建都是使用 enable-parallel 编译的（编译 Cbx 时需要）
此外：不要期望从多线程中获得太多收益。它通常比线性加速更糟糕（对于所有不基于蛮力的组合优化问题）。
（恕我直言，GIL 并不重要，因为所有这些都是 GIL 不妨碍的 C 扩展）