python multiprocessing，cpu-s和cpu內核

Question

我正在具有8個cpu-s的計算機上嘗試python3 multiprocessing ，每個cpu具有四個核心（信息來自/proc/cpuinfo ）。 我寫了一個帶有無用功能的小腳本，花time看完成它需要多長時間。

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)

不進行多處理就調用f()大約需要7秒鍾（ time的“實際”輸出）。 如上所示，使用8的池調用f() 8次，大約需要7秒鍾。 如果我用4個池調用8次，則得到的時間約為13.5s，因此啟動腳本會有一些開銷，但運行時間是原來的兩倍。 到現在為止還挺好。 現在是我不理解的部分。 如果有8個cpu-s每個都有4個內核，如果我用32個池調用32次，據我所知它應該再次運行7s左右，但實際上需要32s，這比運行f()在8池比賽中32次。

因此，我的問題是multiprocessing無法利用內核，或者我對內核不了解，還是其他？

Answer 1

簡化且簡短。.Cpu-s和內核是計算機擁有的硬件。 在此硬件上有一個操作系統，即硬件和計算機上運行的程序之間的中間人。 在計算機上運行的程序分配有cpu時間。 這些程序之一是python interpetar，它運行所有以.py結尾的程序。 因此，在您計算機上的CPU時間中，時間分配給了python3。*，這反過來又將時間分配給了您正在運行的程序。 此速度將取決於您擁有的硬件，正在運行的操作以及在所有這些實例之間分配cpu時間的方式。

如何分配CPU時間？ 這就像一個while循環，OS在程序之間分配增量，而python解釋器將增量分配時間分配給python解釋器運行的程序。 這就是程序行為異常時整個計算機停止運行的原因。

許多進程並不等於對硬件的更多訪問。 它確實等於python解釋器分配的時間所分配的cpu時間。 由於您增加了python解釋器下對您的應用程序有效的程序的數量。

許多過程等於更多的工作量。

---

您實際上在代碼中看到了這一點。 您將主力工作的數量增加到分配給cpu-time的python解釋器在如此多的進程之間分配的程度，以至於所有進程都變慢了。