在多处理中，普通python代码与相同代码之间的时间差是多少？

我试图清楚地理解单个进程中的函数和多个核中相同函数的区别。下面的普通python代码和多处理器代码给出了相同的时间（近似值）。我使用多处理错误吗

普通Python代码：

import time

def basic_func(x):
    if x == 0:
        return 'zero'
    elif x % 2 == 0:
        return 'even'
    else:
        return 'odd'


def multiprocessing_func(x):
    y = x * x
    print('{} squared results in a/an {} number'.format(x, basic_func(y)))


if __name__ == '__main__':
    starttime = time.time()
    for each in range(0, 1000):
        multiprocessing_func(each)
    print('That took {} seconds'.format(time.time() - starttime))

多处理代码：

import time
import multiprocessing


def basic_func(x):
    if x == 0:
        return 'zero'
    elif x % 2 == 0:
        return 'even'
    else:
        return 'odd'


def multiprocessing_func(x):
    y = x * x
    print('{} squared results in a/an {} number'.format(x, basic_func(y)))


if __name__ == '__main__':
    starttime = time.time()
    pool = multiprocessing.Pool()
    pool.map(multiprocessing_func, range(0, 1000))
    pool.close()
    print('That took {} seconds'.format(time.time() - starttime))

提前谢谢！

---

代码源：

没有多重处理，我在0.07秒内执行了这段代码。多处理版本花费了0.28秒。创建一些流程池需要一些时间，可能不值得

我建议在过程中不要打印，因为这可能会产生漏斗效应（并发过程中始终存在I/O问题）

稍微更改一下您的代码：

import time
import multiprocessing

def basic_func(x):
    if x == 0:
        return 'zero'
    elif x % 2 == 0:
        return 'even'
    else:
        return 'odd'


def multiprocessing_func(x):
    y = x * x
    return basic_func(y)

比较结果：

starttime = time.time()
for each in range(0, 100000000):
        multiprocessing_func(each)
print('That took {} seconds'.format(time.time() - starttime))

拿了34分

starttime = time.time()
pool = multiprocessing.Pool(processes=10)
pool.map(multiprocessing_func, range(0, 100000000))
pool.close()
print('That took {} seconds'.format(time.time() - starttime))

花了9.6秒

---

看到“同一”问题产生了截然不同的结果。回答您的问题是不可能的，这在很大程度上取决于初始问题、漏斗效应以及任务持续时间和创建进程池的成本之间的平衡。

您忘记了添加

时间。sleep（2）

（从该示例中）您要并行的目标函数非常简单。流程管理和python解释器等的开销将大大超过执行实际“工作”所需的时间。让multprocessing_func变成实际需要很长时间的东西，例如，

时间。sleep（10）

而不是

y=x*x

@TomDalton，好吧，你的意思是说，除非执行我们的函数所需的时间显著增加，否则多处理通常会因为进程管理而变得更慢。是的，这完全正确谢谢！这清楚地解释了这一点。当我们的目标功能很小时，创建流程和流程管理的成本是不可忽略的。