通过cypari2调用Pari的Python代码如何实现并行化？

• cypari2封装的Pari实例及GEN类型的Pari对象均为Cython实现的有状态扩展对象，未实现Python的pickle序列化接口，跨进程传递时会直接触发序列化失败
• multiprocessing默认使用fork启动方式，子进程会继承父进程的Pari内存状态，但Pari底层原生不支持多进程共享状态，子进程访问继承的Pari对象时会直接触发段错误

方案1：子进程独立初始化Pari，传递可序列化中间值 #

这是最稳定的方案，核心逻辑是完全避免跨进程传递任何Pari相关对象：
父进程仅传递可序列化的原始输入（如表达式字符串、原生数值、参数列表等），子进程内部单独初始化Pari实例，将输入转换为Pari对象完成运算后，再将结果转换为字符串、原生数值等可序列化类型传回父进程，父进程统一将结果还原为Pari对象即可。
示例代码如下：

from cypari2 import Pari
import multiprocessing

def AddOne(expr_str):
    # 子进程内部独立初始化Pari实例，互不干扰
    pari = Pari()
    v = pari(expr_str)
    res = v + pari.one()
    # 结果转为字符串后返回，规避序列化问题
    return str(res)

if __name__ == '__main__':
    # 父进程仅存储可序列化的原始表达式
    vec = ['x_1', 'x_2']
    print(vec)
    # 指定spawn启动模式，彻底避免fork带来的状态继承问题
    multiprocessing.set_start_method('spawn')
    with multiprocessing.Pool(processes=2) as pool:
        newVec_str = pool.map(AddOne, vec)
    # 父进程统一转换为Pari对象
    pari = Pari()
    newVec = [pari(s) for s in newVec_str]
    print(newVec)

该方案兼容joblib等其他并行框架，仅需调整参数和返回值的传递逻辑即可。

方案2：使用Pari原生序列化接口传递已构造对象 #

如果输入的Pari对象已经经过复杂运算构造，无法通过字符串或参数重新生成，可以使用Pari自带的序列化/反序列化接口将GEN对象转换为可pickle的字节流：

# 父进程侧：将Pari对象序列化为字节流
pari = Pari()
vec = [pari('x_1'), pari('x_2')]
serialized_vec = [pari.serialize(v) for v in vec]

# 子进程侧运算逻辑
def AddOne(serialized_v):
    pari = Pari()
    # 反序列化得到原Pari对象
    v = pari.unserialize(serialized_v)
    res = v + pari.one()
    # 结果序列化后返回
    return pari.serialize(res)

# 父进程侧接收后反序列化即可

该方案的性能开销远低于字符串转换，适合传递复杂的Pari对象。

方案3：改用多线程替代多进程（适合非重度CPU密集场景） #

如果你的运算场景中Pari计算的CPU占比不高，或者GIL带来的性能损失在可接受范围内，可以直接使用多线程代替多进程：多线程共享同一进程内存空间，不需要序列化对象，不会触发跨进程相关的错误。
示例代码如下：

from concurrent.futures import ThreadPoolExecutor
from cypari2 import Pari

pari = Pari()
vec = [pari('x_1'), pari('x_2')]

def AddOne(v):
    return v + pari.one()

with ThreadPoolExecutor(max_workers=2) as executor:
    newVec = list(executor.map(AddOne, vec))
print(newVec)

注意：新版本的cypari2已保证线程安全，只要不同时多线程修改同一个GEN对象，只读运算不会出现问题。

内容的提问来源于stack exchange，提问作者NateA