在云上运行重组并行 python 代码的最佳方式

Question

我有一个Python优化程序，它是这样的：

def optimize_score(alpha=0.5, init_point=tuple(np.ones(48)/48),total_paths=5000, iteration_size=0.02,iteration_limit=20):
    best_point=init_point
    point_size=np.size(init_point)
    scores=np.zeros(point_size)
    for i in range(iteration_limit):
        #improve init_point 20 times
        for j in range(point_size):
            #find best directional improvement of previous best point
            current_point=best_point*(1-iteration_size)
            current_point[j]=current_point[j]+iteration_size
            scores[j]=get_score(alpha=alpha, point=current_point,total_paths=total_paths)
        
        best_direction=scores.index(min(scores))
        best_point=best_point*(1-iteration_size)
        best_point[best_direction]=best_point[best_direction]+iteration_size


    
    return best_point

def get_score( alpha=0.5,point=tuple(np.ones(48)/48),total_paths=5000):

    result=np.ones(total_paths)
    for k in range(total_paths):
        result[k]=get_result(path=k, point=point)
    reward=result[0]
    risk=reward-min(result)
    score=risk-alpha*(risk+reward)
    return score

get_result 很长，所以我不会在这里发布它。但本质上它返回一个浮点数，并从一个少于 100,000 行数据的小型数据库中读取

我正在尝试使用云来分割模拟计算，因为模拟在单台计算机上花费的时间太长。我找到了一个使用谷歌云的例子，但教程特别说它无法处理重组并行计算。任何人都有关于如何执行此操作的示例以及完成此类任务的最佳服务是什么？