Python处理器和迭代的多处理比率

这可能是个愚蠢的问题。但是，如果我有一个简单的函数，我想运行它100次，并且我有12个处理器可用，那么使用10个处理器来运行多处理代码还是12个处理器更好

---

基本上，通过使用12个内核，我可以节省一次迭代时间吗？或者它将在第一次运行10次迭代，然后是2次，然后是10次，依此类推？

使用可用的处理器数量几乎总是更好的。然而，一些算法需要进程来传递部分结果，以实现最终结果。许多图像处理算法都有这一约束。这些算法对应该并行运行的进程数量有限制，因为超过这个限制，通信成本会影响性能

然而，这取决于很多事情。许多算法很容易并行化，但是并行性的代价影响了它们的性能。基本上，为了使并行性具有任何价值，要完成的实际工作必须比并行性的成本高出一个数量级

在典型的多线程语言中，可以通过重新使用相同的线程线程池轻松降低并行性成本。然而，python作为python，必须使用多处理来实现真正的并行性，这会带来巨大的成本。但是，如果您希望重用流程，则有一个流程池

您需要检查按顺序运行算法需要多少时间，运行一次迭代需要多少时间，以及您将有多少次迭代。只有这样，您才会知道并行化是否值得。如果值得的话，那么测试进程的数量从1到100。这将允许您找到算法的最佳点