在後台運行耗時的任務當我們發現 JMP 在啟動需要很長時間的腳本後凍結時，我們感到很沮喪。 但即使在大多數此類情況下，也只有一個 CPU 線程處於活動狀態。 JMP 應該能夠利用當今的多核處理器，即使在運行繁重的腳本時也能繼續工作。
腳本回复：在後台運行耗時的任務 - 狀態更改為：已確認你好@nao ， 謝謝你的建議！ 我們已收到您的請求並將予以考慮。
Re: 在後台運行耗時的任務我要復活這個話題。 我有一台 32 GB (RAM) 的 Macbook Pro，即使 JMP 是唯一需要超過 100 MB RAM 的運行程序（即，沒有其他需要 RAM 的程序），我也無法獲得我的 Macbook Pro（ 2019) 為 JMP 分配超過 2 GB 的 RAM。 我意識到這可能更多是 Mac 問題而不是 JMP 問題，但我有 32 GB RAM，其中只有 1 GB 用於 JMP，然後分析在完成前掛起一個小時（82 列 x 1000 行），這似乎很奇怪材料數據表）。 我不能只告訴我的計算機將它獲得的所有內容用於相關應用程序嗎？ 我的意思是，我猜想在此 MDS 分析期間 CPU 處於 100%，但分配給 JMP 的內存從未超過 2 GB 似乎很奇怪，儘管有 30 GB 未使用的 RAM！ 在我的 8 GB RAM Macbook Air 上進行相同的分析需要相同的時間。 在其他條件相同的情況下，一台 32GB RAM 的計算機不應該比一台 8GB RAM 的計算機更好地處理大工作嗎？
Re: 在後台運行耗時的任務我經常壓縮數據。 當您需要處理大型數據表時，這非常有用。 這是另一個技巧：當您需要處理一個龐大的數據集但您經常只使用有限數量的列並且有許多最少（或從不）使用的列時，您可以通過使用 Subset 命令分離不常用的列來加快速度/function，在兩個表上創建共享 ID 列，並通過 Virtual Join 鏈接它們。Re: 在後台運行耗時的任務感謝您的澄清。 我非常喜歡 JMP 在某些特定任務中利用多核處理器的能力，例如顯示多列直方圖。 我也很欣賞 JSL 通過 Parallel Assign() 函數啟用的多線程功能。 我經常使用的一個小技巧是在處理一些耗時的任務時啟動一個單獨的 JMP 實例。 當我們無法預測 JSL 中的一項耗時任務（通常是通過大數據表）並發現 JMP 凍結甚至沒有顯示進度條時，就會出現問題。 在這種情況下，在單獨的 JMP 實例上工作是有幫助的，但 JMP 並非旨在促進此類多實例的使用，而且它通常非常混亂且效率低下，因為我們需要非常注意 JMP 的哪個實例在做什麼什麼。 我忍不住想念 RStudio，它向在後台運行的 R 發送代碼，並在處理任何耗時的任務時不斷接受命令。Re: 在後台運行耗時的任務JMP 絕對是多線程感知的，可以利用多個 CPU 內核……但並非所有平台都利用這一點。
以下是多線程 JMP 平台的列表： http://www.jmp.com/support/notes/49/280.html
您還可以嘗試壓縮數據表，這可以節省大量內存和執行時間： https://community.jmp.com/t5/Discussions/how-to-optimize-the-cpu-memory-usage-in-jmp-on-Windows/td-p/8492
回覆：在背景執行耗時的任務 - 狀態變更為：已確認
