在ArcGIS中优化Multcore处理的方法

我对学习方法有兴趣，以充分利用台式计算机上可用的多核处理能力。Arc指出，后台地理处理允许用户利用多个核心，但是，任务本质上必须排队等待上一个任务完成。

是否有人在Arc / Python中开发了并行或多线程地理处理方法？是否存在阻止单个任务进行多核处理的硬件瓶颈？

尽管不是地理处理示例，但我在Stackoverflow中找到了一个有趣的示例，引起了我的兴趣：

from multiprocessing import Pool
import numpy

numToFactor = 976

def isFactor(x):
    result = None
    div = (numToFactor / x)
    if div*x == numToFactor:
        result = (x,div)
    return result

if __name__ == '__main__':
    pool = Pool(processes=4)
    possibleFactors = range(1,int(numpy.floor(numpy.sqrt(numToFactor)))+1)
    print 'Checking ', possibleFactors
    result = pool.map(isFactor, possibleFactors)
    cleaned = [x for x in result if not x is None]
    print 'Factors are', cleaned

这是一个多核arcpy脚本的示例。该过程占用大量CPU，因此可以很好地扩展：将用于生成建筑阴影的Avenue代码移植到ArcGIS Desktop的ArcPy / Python吗？

此答案提供了一些更一般的信息：并发进程可以在单个模型中运行吗？

以我的经验，最大的问题是管理稳定性。如果您在一个晚上进行六周的处理，您还将有六周的莫名其妙的错误和错误。

另一种方法是开发独立的脚本，这些脚本可以独立运行并在不引起问题的情况下失败：

• 将数据拆分为单个内核可以在不到20分钟的时间内处理的数据块（任务）。
• 构建一个独立的Arcpy脚本，该脚本可以处理单个任务并且尽可能简单（工作人员）。
• 开发一种运行任务的机制。存在许多预先存在的python解决方案。另外，您也可以使用简单的队列制作自己的队列。
• 编写一些代码以验证任务已完成。这可以像检查已写入输出文件一样简单。
• 将数据合并在一起。