NumPyの歴史とPythonの並行処理
PyData.tokyo One-day Conference 2018で石本さんが発表
https://www.slideshare.net/atsuoishimoto/numpypython
PEPを引きながら、Python自体とNumPyの開発の歴史を共有
データ分析処理の並行化（slide 20〜）
「成果はそんなに期待すんな」
（感想 GPUを使う方向性もある：RAPIDS）
#concurrent.futures を薦めている（slide 21）
データ処理では可能ならマルチスレッドで（slide 22）
マルチプロセスは仕組みが複雑
GIL（slide 23）
Pythonインタープリタは、複数のスレッドで同時に実行できない
各スレッドは5ms実行するとロックを受け渡す
Pythonのコードは、マルチスレッドでも同時には実行できない（slide 25）
Pythonの内部機能を使用しない処理は、GILを保持する必要がない
内部機能を使用しない例としてprint
NumPyはGILを解放するため、マルチスレッドも有効（slide 31）
GPU演算の並行化はストリームによる（slide 38）
マルチスレッドは無意味・マルチプロセスは禁止