Python多處理/線程比虛擬機上的單個處理花費更長的時間

Question

我正在使用位於我公司大型機中的虛擬機。

我分配了4個核心，所以我正在嘗試並行處理我的Python代碼。 我還不熟悉它，我遇到了意想不到的行為，即多處理/線程比單個處理需要更長的時間。 我不知道我做錯了什么，或者問題來自我的虛擬機。

這是一個例子：

import multiprocessing as mg
import threading
import math
import random
import time

NUM = 4

def benchmark():
  for i in range(1000000):
    math.exp(random.random())

threads = []
random.seed()

print "Linear Processing:"
time0 = time.time()
for i in range(NUM):
  benchmark()
print time.time()-time0

print "Threading:"
for P in range(NUM):
  threads.append(threading.Thread(target=benchmark))
time0 = time.time()
for t in threads:
  t.start()
for t in threads:
  t.join()
print time.time()-time0

threads = []
print "Multiprocessing:"
for i in range(NUM):
  threads.append(mg.Process(target=benchmark))
time0 = time.time()
for t in threads:
  t.start()
for t in threads:
  t.join()
print time.time()-time0

結果是這樣的：

Linear Processing:
1.125
Threading:
4.56699991226
Multiprocessing:
3.79200005531

線性處理在這里是最快的，這與我想要和期望的相反。 我不確定如何執行join語句，所以我也用這樣的連接做了一個例子：

for t in threads:
  t.start()
  t.join()

現在這導致輸出如下：

Linear Processing:
1.11500000954
Threading:
1.15300011635
Multiprocessing:
9.58800005913

現在線程幾乎和單個處理一樣快，而多處理甚至更慢。

在任務管理器中觀察處理器負載時，即使在進行多處理時，四個虛擬內核的單個負載也不會超過30％，因此我懷疑這里存在配置問題。

我想知道我是否正確地進行基准測試，如果這種行為真的像我想的那樣奇怪。

Answer 1

所以，首先，你沒有做錯任何事情，當我在我的Macbook Pro上運行你的例子時，使用cPython 2.7.12，我得到：

$ python test.py
Linear Processing:
0.733351945877
Threading:
1.20692706108
Multiprocessing:
0.256340026855

但是，當我改變時，差異變得更加明顯：

for i in range(1000000):

至：

for i in range(100000000):

差異更明顯：

Linear Processing:
77.5861060619
Threading:
153.572453976
Multiprocessing:
33.5992660522

現在為什么線程一直變慢？ 因為Global Interpreter Lock。 threading模塊唯一有用的就是等待I / O. 您的multiprocessing示例是執行此操作的正確方法。

因此，在您的原始示例中， Linear Processing是最快的，我會將此歸咎於啟動流程的開銷。 當您進行少量工作時，通常可能需要花費更多時間來啟動4個進程並等待它們完成，而不是僅僅在一個進程中同步完成工作。 使用更大的工作量來更逼真地進行基准測試。