Python并发.CPU使用率查询

在Python中对大型数据集（9x200000x4 np.floats）使用concurrent.futures时，我注意到一开始CPU使用率很低（13%相当于使用1个内核）。然而，过了一段时间，它就达到了我对多处理的预期（80-90%）。如果有兴趣，下面是我的代码片段

sections = np.arange(0,9,1)
section_result = []
sectioned_results = []


if __name__ == "__main__":
    plt.close()
    with concurrent.futures.ProcessPoolExecutor() as executor:
    
        generatorlist = [executor.map(makeimage,sections) for _ in range(num_particles)]
  for generator in generatorlist:
      for item in generator:
          section_result.append(item)

有人知道这个目的吗？当我的粒子数增加时，这个1核所花费的时间似乎呈指数增长。我的第一个想法是分配内存，因为我预计这次运行将占用大约1-1.5GB的内存，但是python文档中似乎没有关于这个过程的任何内容，我想知道我是否错误地实现了这个模块。我已经在相对较低的数据集（10000-100000）上测试过，并且肯定看到使用1核的持续时间有所增加

非常感谢

---

A

这完全取决于您的程序实际在做什么。例如，如果您在子流程中运行的都是

，而True:pass

，那么我希望您能立即看到您的使用率上升到100%

---

例如，任何IO绑定操作（从磁盘读取，等待API响应）都会导致程序在等待操作结果时CPU使用率低。

遗憾的是，我的代码中既没有IO绑定操作，也没有API使用。我将尝试尽可能清楚地了解代码的结构。该代码的一般目的是模拟10^6个粒子在一个盒子内随机散射。这将使用numpys随机生成器生成随机起始位置和速度，然后使用s=ut，直到它穿过长方体边界，然后反射。