Como vamos

1. Paralelización: Dividir una tarea en partes que se puedan ejecutar al tiempo, de tal forma podamos obtener una ganancia de tiempo (span)
   1. ¿Como paralelizar? Map-reduce, fork-join, pipelines
   2. Consideraciones de la parelización: tareas deben ser independientes y asociativas, no importa el orden en que se hagan el resultado no cambia, si importa el orden synchronized (orden a los hilos)
   3. Librerias para parelización
      1. C++: lpthread, TBB y openMP
      2. Python: thread (hilos), multiprocessing para procesos
   4. Diferencia hilo: unidad unica de ejecución, proceso: entidad que puede contener uno más hilos los cuales se ejecutan en un espacio de memoria independiente
      1. Hilos estamos la misma CPU (limitación) y concurrencia no es real, si no que se aprovechan los momentos de tiempo idle de la CPU y la memoria es compartida
      2. Procesos: podemos estar en diferentes CPU, el reto es sincronizar los datos: Array, Value, Queue, Pipe, Manager
   5. Profiling:
      1. Perfiladores de tiempo: C++ chrone, Python: time, timeit
      2. Perfiladores deterministas de recursos: CProfile (Python) pero agregan overhead
      3. Perfiladores estadisticos trabajan a través de muestra Pyinstrument

Temas

Como podemos perfilar programas que ya están en en ejecución usando herramientas del sistema operativo.

1. Procesos del sistema
2. Valgrind
3. Perf