如何在 Google Cloud Run 上高效且经济高效地同时运行大量 Python 模拟（例如，100 个模拟，每个模拟在 8 个 CPU、4GB RAM 上运行约 2 分钟），从而最大限度地减少资源消耗并最大限度地提高吞吐量？ 实现并发的有效方法是什么，下面是我当前的配置，我尝试增加内存和CPU大小，但仍然看不到cloudrun上发生的并发运行，并且我的应用程序可以处理使用ProcessPoolExecutor()实现的并发运行。 检查我看到的指标，在给定时间发生 1 或 2 次运行 指标 设置
你的问题很难回答，我会用一些假设来向你展示这个困难。
最简单的情况是，您的模拟占用 100% 的 CPU 时间 2 分钟。在这种情况下，如果您同时运行 2 个模拟，最多需要 4 分钟。 （充其量是因为我没有计算CPU中的抢占时间和上下文切换）
在这种情况下，您将支付相同数量的 CPU。最好的方法是将并发度设置为 1，并且每个实例进行 1 次模拟。
可以省钱的情况是，如果您在 CPU 不执行任何操作时使用它，例如，进程等待 API 应答。在这种情况下，您可以同时运行不同的模拟，用另一个模拟的有用处理时间来填充未使用的 CPU 时间。
但是，即使在完全可预测的环境中，弄清楚这种情况也极其复杂（因为您无法管理 CPU 抢占时序和其他类似的东西）。
所以，没有好的答案。对我来说，最好的办法是在不同的实例上并行运行所有这些（并发度为 1）。它不是最便宜的，但它将是最快和最简单的。因此，您将节省时间和金钱（通过避免优化、测试、各种运行配置、在这里写问题……），并且因为时间就是金钱，所以您最终会节省金钱！
