Python 3.x I/O或CPU绑定？如何检查是否同时运行？

我是Python新手，我正在努力理解多处理/线程中的一些事情。我想加快一个函数的速度，并且一直在尝试与多处理模块不同的方法，但我无法让它运行得更快。它可能不会运行得更快，但我想在放弃之前确定这是真的。这不是一个完整的描述，但最耗时的活动是：

-重复生成随机数据（10000行10列）

-使用预拟合模型预测每行和每行的结果

-将每个预测值与初始值进行比较

它根据预测值中有多少等于初始值执行多次，每次更新分布参数。函数的输出是单个数值

我想循环几个初始值，最后得到一个输出值列表。我希望多个迭代同时运行（但我愿意接受任何可以加快运行速度的方法）。我一直在无知地尝试pool.apply、starmap和Process，但没有看到时间上的变化

我的问题是：

根据我所做的描述，我的程序是I/O还是CPU受限？（有没有可能从中分辨出来？这个问题问得对吗？）

我应该使用多线程还是多处理

如何确定迭代是否同时运行

---

如果您没有提到任何关于驱动器的内容，我将假设它不太受IO限制（尽管仍然可能）。您正在使用多线程/进程吗？如果不是，那肯定是你的问题

我可能会看看python，因为创建数据的循环，可能是。您只需要所有线程同时运行rand函数

编辑：我忘了提。如果打开任务管理器/系统监视器，您应该能够看到每个CPU/线程的负载。如果在任何给定时间只有一个最大值，则您不是并发的

示例：我编写了一个快速示例来帮助使用线程池。在我的i7上，你的10列10000项列表甚至不引人注目。我将列数增加到10000，它使用4GB的RAM和30秒的100%CPU@3.4GHz

from multiprocessing import Pool, Array
import random


def thread_function(_):
    """Return a random number."""
    l = []
    for _ in range(10000):
        l.append(random.randint(0, 10000))
    return l

if __name__ == '__main__':
    rand_list = Array('i', range(10000))

    with Pool() as pool:
        rand_list = pool.map(thread_function, rand_list)
    print(len(rand_list))

---

谢谢你的回复。我使用了ThreadPool（），它似乎只使用了一半的内核，没有达到最大值。使用来自多处理的过程使所有人都参与其中，但同样，没有达到最大。我应该更关心尝试在迭代中使用线程来生成随机数，而不是让迭代本身同时运行吗？我可以两者都做吗？您是否将池大小设置为最大可用线程数？例如，如果您有4个内核和超线程，那么应该使用8个进程（

Pool（8）

）。尽管如此，文件说不指定应该给你正确的大小。