python multiprocessing，cpu-s和cpu内核

Question

我正在具有8个cpu-s的计算机上尝试python3 multiprocessing ，每个cpu具有四个核心（信息来自/proc/cpuinfo ）。 我写了一个带有无用功能的小脚本，花time看完成它需要多长时间。

from multiprocessing import Pool,cpu_count
def f(x):
    for i in range(100000000):
        x*x
    return x*x
with Pool(8) as p:
    a = p.map(f,[x for x in range(8)])
#~ f(5)

不进行多处理就调用f()大约需要7秒钟（ time的“实际”输出）。 如上所示，使用8的池调用f() 8次，大约需要7秒钟。 如果我用4个池调用8次，则得到的时间约为13.5s，因此启动脚本会有一些开销，但运行时间是原来的两倍。 到现在为止还挺好。 现在是我不理解的部分。 如果有8个cpu-s每个都有4个内核，如果我用32个池调用32次，据我所知它应该再次运行7s左右，但实际上需要32s，这比运行f()在8池比赛中32次。

因此，我的问题是multiprocessing无法利用内核，或者我对内核不了解，还是其他？

Answer 1

简化且简短。.Cpu-s和内核是计算机拥有的硬件。 在此硬件上有一个操作系统，即硬件和计算机上运行的程序之间的中间人。 在计算机上运行的程序分配有cpu时间。 这些程序之一是python interpetar，它运行所有以.py结尾的程序。 因此，在您计算机上的CPU时间中，时间分配给了python3。*，这反过来又将时间分配给了您正在运行的程序。 此速度将取决于您拥有的硬件，正在运行的操作以及在所有这些实例之间分配cpu时间的方式。

如何分配CPU时间？ 这就像一个while循环，OS在程序之间分配增量，而python解释器将增量分配时间分配给python解释器运行的程序。 这就是程序行为异常时整个计算机停止运行的原因。

许多进程并不等于对硬件的更多访问。 它确实等于python解释器分配的时间所分配的cpu时间。 由于您增加了python解释器下对您的应用程序有效的程序的数量。

许多过程等于更多的工作量。

---

您实际上在代码中看到了这一点。 您将主力工作的数量增加到分配给cpu-time的python解释器在如此多的进程之间分配的程度，以至于所有进程都变慢了。