Որ գործառույթները լավ են պարալելիզացվում, իսկ որոնք՝ դժվարություններ ունեն պարալելիզացման հետ:

Լուծումները լավ են պառլելիզացվում, եթե.

• CPU-bound: Հաշվիչորեն ինտենսիվ առաջադրանքներ, որոնք պահանջում են մեծ ռեսուրսներ պրոցեսորից:

  # Օրինակ CPU-bound առաջադրանքի՝ բարդ մաթեմատիկական հաշվարկների
  import math
  
  def compute_complicated_stuff(x):
      return math.sqrt(math.sin(math.cos(math.tan(x)))) * math.log(x)
  
  # Այսպիսի առաջադրանքները լավ է բաժանել մի քանի CPU-ների վրա
  

Ավելի ևս ունեն.

• Ճկուն կապ (loose coupling): Արտադրանքները անկախ կամ նվազագույն կախվածություն ունեն միմյանցից:
• Տվյալների բաժանում՝ նվազագույն բլոկավորումներով: Հասանելիությունը ընդհանուր տվյալների պահանջում է քիչ սինխրոնիզացիայի օպերացիաներ:
• Բարձր հաշվարկների և մուտքի/ ելքի հարաբերակցություն: Հաշվարկների ժամանակը զգալիորեն գերազանցում է մուտքի/ ելքի ժամանակը:

Առաջադրանքները դժվարություններ ունեն պառլելիզացման մեջ, եթե.

• I/O-bound: Սահմանափակված են մուտքի/ ելքի արագությամբ (ֆայլերի ընթերցում/գրառում, ցանցային հարցումներ): Python-ում GIL-ի պատճառով CPU-bound առաջադրանքների պառլելիզացիան բազմակամ թելերով չի տալիս աճ, բայց I/O-bound-ի համար արդյունավետ է:

  # Օրինակ I/O-bound առաջադրանքի՝ ցանցից տվյալներ ներբեռնելու
  import requests
  
  def fetch_data(url):
      response = requests.get(url)
      return response.text
  
  # Այս առաջադրանքները շահավետ են պառլելելից գործողությունների
  

Ավելի ևս ունեն.

• Ճկուն կապ (tight coupling): Արտադրանքները շատ կախված են միմյանցից, հաճախ պահանջում են սինխրոնիզացիա և տվյալների փոխանակում:
• Մեծ փոփոխական ընդհանուր տվյալներ: Պահանջում է շատ բլոկավորումներ՝ տվյալների ճշգրտությունը ապահովելու համար, ինչը կարող է հանգեցնել մեխանիկական բլոկավորումների:
• Կատարման հաջորդական բնույթ: Մեկ արտադրանքի կատարման արդյունքը կախված է նախորդի արդյունքից:
• GIL (Global Interpreter Lock) առկայություն CPython-ում: Սահմանափակում է թելերով կատարման հնարավորությունը CPU-bound առաջադրանքների համար:

Python-ում CPU-bound առաջադրանքների պառլելիզացիայի համար սովորաբար օգտագործվում է multiprocessing մոդուլը, որը ստեղծում է առանձին պրոցեսներ, յուրաքանչյուրը իր ինտերպրետատորով և հիշողությամբ, ինչը շրջանցում է GIL սահմանափակումը: I/O-bound առաջադրանքների համար լավ է threading կամ ասինխրոն ծրագրավորումը (asyncio)։