为什么python中的apply_async不使用所有可用的工作线程

如果答案显而易见，那么很抱歉这个天真的问题。我觉得我正在与python中的多处理模块作斗争，因为我真的不知道发生了什么。代码如下所示：

pool=Pool()
for i in xrange(1000000):
    for j in xrange(i+1,1000000):
        pool.apply_async(myfun,((i,j),),callback=mycallback)

我的想法是通过将每个apply_async分配给一个核心（我有16个核心），来并行化这个大for循环。然而，16名工人中只有4或5人在工作，而其他人则在空转。有什么想法吗？先谢谢你

---

p、 回调函数非常简单。它对myfun返回的值做了一个柱状图

myfun有多重？如果完成得太快，瓶颈将变成IPC（序列化/反序列化和发送参数/结果）并调用回调。@mata，谢谢您的回复。myfun将几个大小为100000的稀疏矩阵相乘。所以它不是太快，但仍然不到1秒。我尝试了一个非常简单的myfun，它将I和j相乘。原来只有一名工人在工作。所以我猜你的答案是正确的。有没有办法做好我的工作？谢谢如果你乘以稀疏矩阵，结果会变得比原始矩阵稀疏得多，因此根据结果的稀疏程度及其表示形式，10e5矩阵的串行化可能会非常大，这将是并行化的一个限制因素。如果不知道你要解决的实际问题，很难说有没有办法解决。你对结果做了什么？@mata:myfun的输出是一个标量，它是矩阵和向量乘积的结果。回调函数计算mufun值的直方图。它决定myfun的输出属于50个箱子中的哪一个。我现在的解决方法是将mycallback合并到myfunc中，并使用imap。然后它就起作用了。谢谢你的建议