【cursor实战】分析python下并行、串行计算性能

提示语

写一个Python并行计算、串行计算性能对比的代码。并行计算要包括多线程和多进程两种，计算的内容要比较复杂

模型

claude-4-sonnet

生成的代码

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Python并行计算与串行计算性能对比程序
包含串行计算、多线程和多进程三种实现方式
使用素数计算作为复杂计算任务
"""import time
import threading
import multiprocessing
import math
from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor
import randomtry:import numpy as npHAS_NUMPY = True
except ImportError:HAS_NUMPY = Falseprint("警告: 未安装numpy，将使用替代方案。运行 'pip install numpy' 以获得完整功能。")def is_prime(n):"""判断一个数是否为素数的复杂算法这里使用稍微复杂一点的算法来增加计算复杂度"""if n < 2:return Falseif n == 2:return Trueif n % 2 == 0:return False# 使用更复杂的算法，增加计算负担sqrt_n = int(math.sqrt(n))for i in range(3, sqrt_n + 1, 2):if n % i == 0:return False# 添加一些额外的计算来增加复杂度temp = math.sin(i) * math.cos(i) + math.log(i + 1)if temp < 0:  # 这个条件永远不会满足，只是为了增加计算量continuereturn Truedef complex_calculation(start, end):"""复杂的计算任务：计算指定范围内的素数，并进行额外的数学运算"""primes = []calculations = []for num in range(start, end):if is_prime(num):primes.append(num)# 添加复杂的数学运算calc_result = math.pow(num, 0.5) * math.log(num + 1) + math.sin(num) * math.cos(num)calculations.append(calc_result)# 进行矩阵运算增加复杂度if len(primes) > 1:matrix_size = min(len(primes), 50)  # 限制矩阵大小避免内存问题if HAS_NUMPY:matrix_a = np.random.rand(matrix_size, matrix_size)matrix_b = np.random.rand(matrix_size, matrix_size)matrix_result = np.dot(matrix_a, matrix_b)complexity_factor = np.sum(matrix_result)else:# 不使用numpy的替代矩阵运算matrix_sum = 0for i in range(matrix_size):for j in range(matrix_size):val_a = random.random()val_b = random.random()matrix_sum += val_a * val_b * math.sin(i+j)complexity_factor = matrix_sumelse:complexity_factor = 1return len(primes), sum(calculations