Python中的多处理/多线程。。？

我有一个我想要多次处理的代码（多重处理），多个进程中的每个进程的输出都应该存储在一个公共内存中，然后进行相应的处理

每个进程执行一段代码（维护一个字典），每个进程应将数据并排存储在一个公共内存中（并排存储，如果不可能，则最后存储所有字典）

例如

process1 ->  dict1,  
process2 -> dict2, 
process3 -> dict3

>main_dict = dict1 + dict2 + dict3

我正在用Python执行这段代码

我也可以在这里做多线程，但是多线程并不像我听说的那样并行。。。所以我可以进行多重处理。请告诉我在多处理模式下维持这种场景的过程，而不浪费太多时间或离开理想的处理器

谢谢

请看模块

文档中有许多示例说明了如何使用它。
最终，这可能会帮助您解决问题…

请查看模块

文档中有许多示例说明了如何使用它。

---

最终，这可能会帮助您解决问题…

您将需要查看该模块，尽管我认为您无法使用Python中的字典实现共享内存--我认为您需要序列化它们并通过队列发送它们

多线程实际上并不像我听说的那样并行。。。所以我可以进行多重处理。请告诉我在多处理模式下维持这种场景的过程，而不浪费太多时间或离开理想的处理器

如果您不想离开处理器，那么您将无法获得任何额外的并行性，除非您是IO绑定的

这意味着，如果你在做大量的CPU工作，那么留在同一个处理器上进行多处理只会让你的速度变慢。提高并行性的唯一方法是使用其他处理器。（即使它们是“虚拟”超线程cpu。）

另一方面，如果你通过从内存或网络中读取数据而减慢了速度（事实似乎并非如此），那么这个模块会更合理。但由于

---

简言之：你要求的是矛盾的东西。弄清楚您实际需要什么，然后选择一种方法。

您将需要查看该模块，尽管我认为您无法使用Python中的字典实现共享内存--我认为您需要序列化它们并通过队列发送它们

多线程实际上并不像我听说的那样并行。。。所以我可以进行多重处理。请告诉我在多处理模式下维持这种场景的过程，而不浪费太多时间或离开理想的处理器

如果您不想离开处理器，那么您将无法获得任何额外的并行性，除非您是IO绑定的

这意味着，如果你在做大量的CPU工作，那么留在同一个处理器上进行多处理只会让你的速度变慢。提高并行性的唯一方法是使用其他处理器。（即使它们是“虚拟”超线程cpu。）

另一方面，如果你通过从内存或网络中读取数据而减慢了速度（事实似乎并非如此），那么这个模块会更合理。但由于

---

简言之：你要求的是矛盾的东西。找出您实际需要的，然后选择一种方法。

子流程更适合启动外部命令，OP似乎使用python代码。子流程更适合启动外部命令，OP似乎使用python代码。