利用共享资源，使用多线程/多处理加速循环累积

Question

我一直在开发一种算法来解决一个Boggle board，WebBoggle。我已经成功地使用了python3，但我现在正试图优化它，使其尽可能快地工作，我想使用多线程或多处理来实现加速

我认为这可以很好地体现在算法开头的for循环中，该循环反复调用重载函数，如下所示：

nodes = [{obj1}, {obj2}, {obj3}, ... , {obj16}]
word_tree = {"children": {"A": {"data": "A", "children" :{...}}, "B": {"data": "B", "children": {...}}, ...}}

def doSomeWork():
    found_words = []
    for i in range(15):
        found_values += doHeavyLifting(nodes[i], word_tree.children["A"])
    return found_words

在这种情况下nodes数组在算法期间是静态的，可以将其视为只读的，每个进程或线程都可以安全地读取它，而不必担心竞争条件或锁定

但是word_tree对象（希望上面清楚地描述了它）是由doHeavyLifting函数修改的，但是是分段的，即word_tree中有许多nodes，如果需要锁，它将在单个node上获得，而不是在整个word_tree上，例如该函数可能会改变节点a的某些内容，但它不需要对节点a的子节点（对这些子节点的引用存储在节点a的childrendict中）进行锁定

最终doHeavyLifting的返回值存储在found_words数组中，并在处理完所有nodes后返回。（doHeavyLifting是一个递归函数，但我不确定这对这个问题有什么影响…）

我从来没有在Python中使用过多线程，也从来没有使用过多处理，我想知道如何实现这个循环，使用16个CPU线程，可以同时处理nodes数组中的每个元素（或者在系统资源允许的情况下进行类似处理），以及doSomeWork函数将返回的单个返回值存储在一个变量中

谢谢