为什么此代码中的python多处理速度较慢？

我有这个示例代码。我正在做一些数学计算（图论），我想提高速度，所以我决定使用多进程，但令人惊讶的是，同样的代码运行速度甚至比单进程版本还要慢

我预计，如果你有一个列表，你把它一分为二，开始两个过程，它应该需要大约一半的时间。我不认为我有什么同步问题，为什么这么慢

from multiprocessing import Process, Queue

def do_work(queue, aList):

    for elem in aList:
        newList.append(a_math_function(elem))

    queue.put(max(newList))
    return max(newList)

def foo():

    #I have let's say aList with 100000 objects

    q1 = Queue(); q2 = Queue()

    p1 = Process(target=do_work, args=[q1, aList[0: size/2])])
    p2 = Process(target=do_work, args=[q2, aList[size/2+1: size])])

    p1.start(); p2.start()
    p1.join(); p2.join()

    print(max(q1.get(),q2.get())

---

使用multiprocessing.Pool.map（）在工作人员之间分配工作负载，并从中聚合结果

---

请参见下面的示例

尝试减少分配量，而不是使用多处理。您只是用临时列表填充RAM（例如，通过进程的列表的一半，然后是在每个进程中创建的新列表）。很可能这就是缓慢的原因，因为大量的分配意味着大量的垃圾收集

尝试用这个替换所有代码并测量速度

def foo():
    print max(a_math_function(x) for x in aList)

---

我正在使用python 2.7.2，进程和队列来自库，我将编辑代码。你的

a\u math\u函数

在做什么？如果是CPython，它可能会通过“全局解释器锁”阻止解释器。CPython 2在多处理方面的一个已知缺陷。您是否将流程创建时间与实际工作进行了基准测试？您不需要创建中间列表（您的新列表）。很可能是由于内存的填充导致了垃圾收集的缓慢。您只需执行

result=max（列表中x的一个函数（x）

）即可解决此问题。我想不用说，您是在多处理器硬件上运行的吧？在单核机器上运行，无论是否超线程，您都不会得到任何好处。也许只需像这样将工作分配到一个_math_函数中，并将最大值的计算留给顶级进程

max（pool.imap\u无序（一个数学函数，aList，32））