适用于Windows和Linux的python多重处理与线程绑定

Question

因此，我敲了一些测试代码，以了解与线程相比，多处理模块如何在cpu绑定工作上扩展。在linux上，我获得了预期的性能提升：

linux（双四核至强）：
serialrun用了1192.319毫秒
parallelrun花了346.727毫秒
threadedrun花了2108.172毫秒

我的双核Macbook Pro表现出相同的行为：

osx（双核Macbook Pro）
serialrun用了2026.995毫秒
parallelrun花了1288.723毫秒
threadedrun用了5314.822毫秒

然后，我在Windows机器上进行了尝试，并得到了非常不同的结果。

Windows（i7 920）：
serialrun用了1043.000毫秒
parallelrun用了3237.000毫秒
threadedrun花了2343.000毫秒

为什么哦，为什么在Windows上多处理方法这么慢？

这是测试代码：

＃！/ usr / bin / env python

导入多处理
导入线程
导入时间

def print_timing（func）：
    def包装器（* arg）：
        t1 = time.time（）
        res = func（* arg）
        t2 = time.time（）
        打印'％s用了％0.3f ms'％（func.func_name，（t2-t1）* 1000.0）
        返回资源
    返回包装


def counter（）：
    对于我在xrange（1000000）中：
        通过

@print_timing
def serialrun（x）：
    对于我在xrange（x）中：
        计数器（）

@print_timing
def parallelrun（x）：
    proclist = []
    对于我在xrange（x）中：
        p = multiprocessing.Process（目标=计数器）
        proclist.append（p）
        p.start（）

    对于我在proclist中：
        我加入（）

@print_timing
def threadedrun（x）：
    线程列表= []
    对于我在xrange（x）中：
        t = threading.Thread（目标=计数器）
        threadlist.append（t）
        t.start（）

    对于我在线程列表中：
        我加入（）

def main（）：
    serialrun（50）
    平行运行（50）
    螺纹运行（50）

如果__name__ =='__main__'：
    主要（）

Answer 1

在UNIX变体下，过程轻巧得多。Windows进程很繁琐，需要花费更多的时间来启动。推荐使用线程在Windows上进行多处理。