建议LZ直接开源，不然要获得那么多用户，有点难。

LZ需要什么类型的算力？最好先编写和debug完成再考虑算力问题。

为了执行效率，关键部分建议使用C/C++编写。

上午写了一下，用的是贝利-波尔温-普劳夫公式，Python CUDA计算，相当于并行了。

经过处理的数据：

原始计算数据（一部分）：

用自己的显卡算的，因为同时在运行其他使用CUDA的任务，速度就不测了

总结一些问题:

1. 算法收敛慢且复杂度高,会越算越慢,效率远低于一般使用的算法

2. 涉及到极大数据(16的n次方),有溢出问题,我用CUDA算出的结果就可能出现问题.还有高精度除法,编程难度高,执行效率低下.

所以这个方法似乎不适合大规模推广使用,分布式计算的成本甚至远高于直接算.

BBP算法已经有人写出来了一个XXXXXXXXXXXXXXXXXX/tangtj/PI-Share,如果想参加就到XXXXXXXXXXXXXXXXXXXX/就可以了

看LZ好久不来回复,好久不上线,似乎也没什么诚意.

感谢大佬回复！我是在校学生，住校的，所以到现在才回复！非常抱歉！

代码在写，没想到大佬已经把CUDA版本都写出来了，我的确是打算写出了可靠的代码后开源的。

大佬提出来的问题我也考虑到了，暂时也想不出来什么解决方法，而且也只有BBP算法能实现分布式计算，没法选用其他公式实现。

还有很多问题要考虑，我还是要以学业为重！

贴一下我写的程序...

import multiprocessing
import time

def calc(cpu_number, cpu_total, result, total):
    sumlimit = 1000
    for n in range(cpu_number, total, cpu_total):
        s1 = 0
        s2 = 0
        sum = 0
        for k in range(0, n):
            s1 += (pow(16, n-k) % (k * 8 + 1)) / (k * 8 + 1)
        for k in range(n+1, sumlimit):
            s2 += (pow(16, n-k)) / (k * 8 + 1)
        sum += (s1 + s2) * 4
        s1 = 0
        s2 = 0
        for k in range(0, n):
            s1 += (pow(16, n-k) % (k * 8 + 4)) / (k * 8 + 4)
        for k in range(n+1, sumlimit):
            s2 += (pow(16, n-k)) / (k * 8 + 4)
        sum -= (s1 + s2) * 2
        s1 = 0
        s2 = 0
        for k in range(0, n):
            s1 += (pow(16, n-k) % (k * 8 + 5)) / (k * 8 + 5)
        for k in range(n+1, sumlimit):
            s2 += (pow(16, n-k)) / (k * 8 + 5)
        sum -= (s1 + s2)
        s1 = 0
        s2 = 0
        for k in range(0, n):
            s1 += (pow(16, n-k) % (k * 8 + 6)) / (k * 8 + 6)
        for k in range(n+1, sumlimit):
            s2 += (pow(16, n-k)) / (k * 8 + 6)
        sum -= (s1 + s2)
        ret = (sum % 1) * 16
        if ret < 0:
            ret += 16
        result[n] = int(ret)

def main():
    print('Using CPU')
    startt = time.time()
    grid = 4
    block = 1024
    total = grid * block
    cpu_n = multiprocessing.cpu_count()
    cpu_result = multiprocessing.Array('d', total)
    process = []
    for i in range(0, cpu_n):
        print('Starting CPU ' + str(i))
        p = multiprocessing.Process(target=calc, args=(i, cpu_n, cpu_result, total))
        process.append(p)
        p.start()
    for i in process:
        i.join()
    f = open('pi_bin_CPU.txt', 'w')
    for i in range(0, total):
        f.write((bin(int(cpu_result[i]))).replace('0b','').zfill(4) + ' ')
    f.close()
    final = 3.140625
    for i in range(2, total):
        try:
            final = final + cpu_result[i] / pow(16, i+1)
        except:
            break
    print(final)
    print('Time elapsed:' + str(time.time() - startt))

if __name__ == "__main__":
    main()

自学了python一两天,程序写不好见谅

看到了！谢谢分享，我参考一下，正在考虑如何解决16的次方数过大导致的效率过低这个问题。

我用Mathematica自带的圆周率函数计算一亿位圆周率，在单线程（3700x@4.2GHz）下，耗时64秒，占用内存150MB。。。

不好意思，回复错了

很抱歉，经过我的权衡，我放弃了本项目，原因有以下几点，希望也可以给以后有同样想法的人提供参考：

1. BBP公式效率过低，计算到大数时16的次幂数的计算消耗了大部分时间，浪费了过多资源

2. 已经有同目的的分布式计算项目已经在计算

3. 本人有很多项目在开发，难以抽出时间来完成从客户端到服务端的开发测试