Parallel Python是python的分布式计算模块，其功能是可以以 函数+数据 的形式，将任务分布到Cluster中的各台机器的CPUs上进行运算。
同时Parallel Python的Cluster构建支持Auto Discovery，可以在内网中非常方便的搭建起一个自组织的分布式计算平台。
Parallel Python没有DFS，可以理解为残疾版的MapReduce。

动机是部门的Hadoop环境还没有搭建起来，处理Log相当耗时相当冗长，于是花了点时间尝试了下Parallel Python（以下简称PP）。
测试了一下性能，结果PP并不适合这种大数据量、高计算复杂度的应用。
主要原因是数据交换瓶颈：PP是一个计算资源共享平台，但是在存储方面没有一个分布式文件系统支持。直接的结果是对于大数量应用，性能反而不如单机。
但是对于类似最优化一类小数据量大计算量的应用，还是相当适用的。

btw，PP的可控制性不是很强。比如任务分发机制是外部无法调节的，经常会造成cluster中的机器空闲。

不知道PP是怎么实现将本地的函数分发到各个Node，感觉很奇妙。哪位达人看过代码？