python - 并行Python : 4 threads have same speed as 2 threads

Question

我正在使用Parallel Python用于在多个内核上执行计算量大的代码。我有一个i7-4600M处理器，有2个核心和4个线程。

有趣的是，如果我使用 2 个或 4 个线程，计算所需的时间几乎相同。我写了一些示例代码来演示这种现象。

import itertools
import pp
import time

def cc(data, n):
    count = 0
    for A in data:
        for B in itertools.product((-1,0,1), repeat=n):
            inner_product = sum(a*b for a,b in zip(A,B))
            if inner_product == 0:
                count += 1
    return count

n = 9

for thread_count in (1, 2, 3, 4):
    print("Thread_count = {}".format(thread_count))
    ppservers = ()
    job_server = pp.Server(thread_count, ppservers=ppservers)

    datas = [[] for _ in range(thread_count)]
    for index, A in enumerate(itertools.product((0,1), repeat=n)):
        datas[index%thread_count].append(A)
    print("Data sizes: {}".format(map(len, datas)))

    time_start = time.time()
    jobs = [job_server.submit(cc,(data,n), (), ("itertools",)) for data in datas]
    result = sum(job() for job in jobs)
    time_end = time.time()
    print("Time = {}".format(time_end - time_start))
    print("Result = {}".format(result))
    print

这是运行程序和CPU使用情况的简短视频:https://www.screenr.com/1ULN当我使用2个线程时，cpu使用率为50%，如果我使用4个线程，则使用100%。但它只是稍微快一点。使用 2 个线程，我获得了 1.8 倍的加速，使用 3 个线程，我获得了 1.9 倍的加速，使用 4 个线程，我获得了 2 倍的加速。

如果代码太快，请使用 n = 10 或 n = 11。但要小心，复杂度是6^n。因此，n = 10 的时间是 n = 9 的 6 倍。

Answer 1

2 个核心和 4 个线程意味着每个核心上有两个超线程，这不会线性扩展，因为它们共享资源并且可能会相互妨碍，具体取决于工作负载。并行 Python 在幕后使用进程和 IPC。每个核心都调度两个不同的进程，因此您可能会看到缓存抖动(核心的缓存在超线程之间共享)。