How to Open Multiple Windows / Views Viewing the Same File/ Project? Follow

Dear gentle, kind, empathetic, generous, helpful reader,

I am trying to do something very basic and fundamental which is to open the same file in multiple windows or the same project (preferably in multiple windows).

I can’t believe there is no such option to do that in IntelliJIdea. It was easy to do in Eclipse (New Window option is right there in the menu and the entire project opens so).

I am frankly disappointed with my version of IntelliJIdea Ultimate. I downloaded it because I wanted software engineer metrics and code analysis and UML diagram representation . The UML diagram representation is not at all usable (there is no drilling down from packages to parent classes). I have not tried the software engineering metrics / analytics tool because I can barely import the code from Eclipse.

The most unbelievable thing is that now my copy of Eclipse 4.7 (and older version 4.4) will not start (I am trying to debug it in the eclipse forums). This has caused me hours of delay and lost productivity.

I was hoping to run both the editors and take advantage of the features in one which the other does not have . Netbeans and eclipse work so well together- what is up with intellij idea ? This is really disappointing.

atduskgreg / PWindow.pde

PWindow win;

public void settings () <

size ( 320 , 240 );

>

void setup () <

win = new PWindow ();

>

void draw () <

background ( 255 , 0 , 0 );

fill ( 255 );

rect ( 10 , 10 , frameCount , 10 );

>

void mousePressed () <

println ( » mousePressed in primary window » );

>

class PWindow extends PApplet <

PWindow () <

super ();

PApplet . runSketch( new String [] < this . getClass() . getSimpleName()>, this );

>

void settings () <

size ( 500 , 200 );

>

void setup () <

background ( 150 );

>

void draw () <

ellipse ( random ( width ), random ( height ), random ( 50 ), random ( 50 ));

>

void mousePressed () <

println ( » mousePressed in secondary window » );

>

>

This comment has been minimized.

Copy link Quote reply

indirawrs commented Mar 26, 2017

first off, thanks for this
second, can you load libraries in separate applet windows?
let’s say i’m making a third one of those and i want to play a video in there. it says it can’t load the movie file. I can’t seem to find my mistake

You can’t perform that action at this time.

You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session.

How to make multiple windows using Win32 API

I see plenty of tutorials and articles showing me how to make a simple windows program, which is great but none of them show me how to make multiple windows.

Right now I have working code that creates and draws a layered window and I can blit stuff using GDI to draw anything I want on it, drag it around, even make it transparent, etc.

But I wanted a second rectangular area that I can draw to, drag around, etc. In other words, a second window. Probably want it to be a child window. Question is, how do I make it?

Also, if anybody knows any good resources (online preferably) like articles or tutorials for window management in the Windows API, please share.

5 Answers 5

You can hit CreateWindow() more than once if you want. The message loop in your WinMain will pass events to all the windows that WinMain creates. You can even create two overlapped windows and set the parent window of the 2nd one to be the handle of the 1st one if you want.

To create more than one window, repeat all the steps that you did when you created the first window to create a second window. A good way to do this is the copy and paste all the code from the first window. Then do search and replaces in which you replace all the names of the first window with unique names for the second window. The code in which I do just that is below.

The most important thing to note is that the windows class for the second window should have a unique name at the code line «windowclassforwindow2.lpszClassName=»window class2». If it doesn’t have a unique name, the windows registration will fail.

A more complex example-using functions to create windows.

Creating each window without a function can be make the code cluttered-especially if it is in if statements. The code below uses a separate function to create each window. The first three windows have a create window button to create the next window.

What if you close and reopen a window?

If you click on the close button and reopen that same window, note the following. When the window is closed after the close button is closed, it will be destroyed. But destroying a window does not destroy the windows class. It only destroys the window from the createwindow function. This makes it necessary for the if statement in the above program that only creates the Windows class if it is the first time the window has been displayed.

Some side notes

You could create multiple windows using just one windows class. But the problem with that is that you have one windows process function to deal with more than one window. That would work fine in this simple example. But the more heterogeneous the windows are the more would be the need to create a separate windows class for each window.

Also the multiple createwindow functions could have been combined into one function. Note that the only difference between them was the wc.lpszClassName code line. But Windows are likely to be different from each other so combining the functions into one is not necessary-it is more of a preference of just not having code repeating things.

Further Reading

The link at the website with the domain functionx has more details about the concepts in windows design. The link is here

Зачем, когда и как использовать multithreading и multiprocessing в Python

Салют, хабровчане. Прямо сейчас в OTUS открыт набор на курс «Machine Learning», в связи с этим мы перевели для вас одну очень интересную «сказочку». Поехали.

Давным-давно, в далекой-далекой галактике…

Жил в маленькой деревушке посреди пустыни мудрый и могущественный волшебник. И звали его Дамблдальф. Он был не просто мудр и могущественен, но и помогал людям, которые приезжали из далеких земель, чтобы просить помощи у волшебника. Наша история началась, когда один путник принес волшебнику магический свиток. Путник не знал, что было в свитке, он лишь знал, что если кто-то и сможет раскрыть все тайны свитка, то это именно Дамблдальф.

Глава 1: Однопоточность, однопроцессность

Если вы еще не догадались, я проводил аналогию с процессором и его функциями. Наш волшебник – это процессор, а свиток – это список ссылок, которые ведут к силе Python и знанию, чтобы овладеть ею.

Первой мыслью волшебника, который без особого труда расшифровал список, было послать своего верного друга (Гарригорна? Знаю, знаю, что звучит ужасно) в каждое из мест, которые были описаны в свитке, чтобы найти и принести то, что он сможет там отыскать.

Как видите, мы просто перебираем URL-адреса один за другим с помощью цикла for и читаем ответ. Благодаря %%time и магии IPython, мы можем увидеть, что с моим печальным интернетом это заняло около 12 секунд.

Глава 2: Multithreading

Неспроста волшебник славился своей мудростью, он быстро смог придумать куда более эффективный способ. Вместо того, чтобы посылать одного человека в каждое место по порядку, почему бы не собрать отряд надежных соратников и не отправить их в разные концы света одновременно! Волшебник сможет разом объединить все знания, которые они принесут!

Все верно, вместо просмотра списка в цикле последовательно, мы можем использовать multithreading (многопоточность) для доступа к нескольким URL-адресам одновременно.

Гораздо лучше! Почти как… магия. Использование нескольких потоков может значительно ускорить выполнение многих задач, связанных с вводом-выводом. В моем случае большая часть времени, затраченного на чтение URL-адресов, связана с задержками сети. Программы, привязанные к вводу-выводу, проводят большую часть времени жизни в ожидании, как вы уже догадались, ввода или вывода (подобно тому, как волшебник ждет, пока его друзья съездят в места из свитка и вернутся обратно). Это может быть ввод-вывод из сети, базы данных, файла или от пользователя. Такой ввод-вывод как правило занимает много времени, поскольку источнику может потребоваться выполнить предварительную обработку перед передачей данных на ввод-вывод. Например, процессор, будет считать гораздо быстрее, чем сетевое соединение будет передавать данные (по скорости примерно, как Флэш против вашей бабушки).

Примечание: multithreading может быть очень полезна в таких задачах, как очистка веб-страниц.

Глава 3: Multiprocessing

Шли годы, слава о добром волшебнике росла, а вместе с ней росла и зависть одного нелицеприятного темного волшебника (Саруморта? Или может Воландемана?). Вооруженной немеряной хитростью и движимый завистью, темный волшебник наложил на Дамблдальфа страшное проклятие. Когда проклятие настигло его, Дамблдальф понял, что у него есть всего несколько мгновений, чтобы отразить его. В отчаянии он рылся в своих книгах заклинаний и быстро нашел одно контрзаклятие, которое должно было сработать. Единственная проблема заключалась в том, что волшебнику нужно было вычислить сумму всех простых чисел меньше 1 000 000. Странное, конечно, заклятье, но что имеем.

Волшебник знал, что вычисление значения будет тривиальным, если у него будет достаточно времени, но такой роскоши у него не было. Несмотря на то, что он великий волшебник, все же и он ограничен своей человечностью и может проверять на простоту всего одно число за раз. Если бы он решил просто просуммировать простые числа друг за другом, времени ушло бы слишком много. Когда до того, чтобы применить контрзаклятье остались считанные секунды, он вдруг вспомнил заклятье multiprocessing, которое узнал из магического свитка много лет назад. Это заклинание позволит ему копировать себя, чтобы распределить числа между своими копиями и проверять несколько одновременно. И в итоге все, что ему нужно будет сделать – это просто сложить числа, которые он и его копии обнаружат.

У современных процессоров больше одного ядра, поэтому мы можем ускорить выполнение задач, используя модуль многопроцессной обработки multiprocessing. Задачи, завязанные на процессоре – это программы, которые большую часть времени своей работы выполняют вычисления на процессоре (тривиальные математические вычисления, обработку изображений и т.д.). Если вычисления могут выполняться независимо друг от друга, мы имеем возможность разделить их между доступными ядрами процессора, тем самым получив значительный прирост в скорости обработки.

Все, что вам нужно сделать, это:

1. Определить применяемую функцию
2. Подготовить список элементов, к которым будет применена функция;
3. Породить процессы с помощью multiprocessing.Pool . Число, которое будет передано в Pool() , будет равно числу порожденных процессов. Встраивание оператора with гарантирует, что все процессы будут убиты после завершения их работы.
4. Объедините выходные данные из процесса Pool с помощью функции map . Входными данными для map будет функция, применяемая к каждому элементу, и сам список элементов.

Примечание: Функцию можно определить так, чтобы выполнять любую задачу, которая может быть выполнена параллельно. Например, функция может содержать код для записи результата вычисления в файл.

Итак, зачем нам разделять multiprocessing и multithreading ? Если вы когда-либо пытались повысить производительность выполнения задачи на процессоре с помощью multithreading, в итоге эффект получался ровно обратный. Это просто ужасно! Давайте разберёмся, как так вышло.

Подобно тому, как волшебник ограничен своей человеческой природой и может вычислять всего одно число в единицу времени, Python поставляется с такой вещью, которая называется Global Interpreter Lock (GIL). Python с радостью позволит вам породить столько потоков, сколько вы захотите, но GIL гарантирует, что только один из этих потоков будет выполняться в любой момент времени.

Для задачи, связанной с вводом-выводом, такая ситуация совершенно нормальна. Один поток отправляет запрос на один URL-адрес и ждет ответа, только потом этот поток может быть заменен другим, который отправит другой запрос на другой URL-адрес. Поскольку поток не должен ничего делать, пока он не получит ответа, нет никакой разницы, что в данный момент времени выполняется всего один поток.

Для задач, выполняемых на процессоре, наличие нескольких потоков почти также бесполезно, как соски на доспехах. Поскольку в единицу времени может выполняться только один поток, даже если вы порождаете несколько, каждому из которых будет выделено число для проверки на простоту, процессор все равно будет работать только с одном потоком. По сути, эти числа все равно будут проверяться одно за другим. А издержки работы с несколькими потоками будут способствовать снижению производительности, которые вы как раз можете наблюдать при использовании multithreading в задачах, выполняемых на процессоре.

Чтобы обойти это «ограничение», мы используем модуль multiprocessing . Вместо использования потоков, multiprocessing использует, как бы вам это сказать… несколько процессов. Каждый процесс получает свой личный интерпретатор и пространство в памяти, поэтому GIL не будет вас ограничивать. По сути, каждый процесс будет использовать свое ядро процессора и работать со своим уникальным числом, и выполняться это будет одновременно с работой других процессов. Как мило с их стороны!

Вы можете заметить, что нагрузка на центральный процессор будет выше, когда вы будете использовать multiprocessing по сравнению с обычным циклом for или даже multithreading . Так происходит, потому что ваша программа использует не одно ядро, а несколько. И это хорошо!

Помните, что multiprocessing имеет свои издержки на управление несколькими процессами, которые обычно серьезнее, чем издержки multithreading. (Multiprocessing порождает отдельные интерпретаторы и назначает каждому процессу свою область памяти, так что да!) То есть, как правило, лучше использовать облегченную версию multithreading, когда вы хотите выкрутиться таким способом (вспомните про задачи, связанные с вводом-выводом). А вот когда вычисление на процессоре становится бутылочным горлышком, приходит время модуля multiprocessing . Но помните, что с большой силой приходит большая ответственность.

Если вы породите больше процессов, чем ваш процессор может обработать в единицу времени, то заметите, что производительность начнет падать. Так происходит, потому что операционная система должна делать больше работы, тасуя процессы между ядрами процессора, потому что процессов больше. В реальности все может быть еще сложнее, чем я рассказал сегодня, но основную идею я донес. Например, в моей системе производительность упадет, когда количество процессов будет равно 16. Все потому, что в моем процессоре всего 16 логических ядер.

Глава 4: Заключение

• В задачах, связанных с вводом-выводом, multithreading может повысить производительность.
• В задачах, связанных с вводом-выводом, multiprocessing также может повысить производительность, но издержки, как правило, оказываются выше, чем при использовании multithreading .
• Существование Python GIL дает нам понять, что в любой момент времени в программе может выполняться всего один поток.
• В задачах, связанных с процессором, использование multithreading может понизить производительность.
• В задачах, связанных с процессором, использование multiprocessing может повысить производительность.
• Волшебники потрясающие!

На этом мы сегодня закончим знакомство с multithreading и multiprocessing в Python. А теперь идите и побеждайте!