python - 顺序处理比池处理更快

Question

我试图理解map与multiprocessing的使用。为此，我编写了以下 python 程序。但结果似乎让我感到困惑。

from multiprocessing import Pool                                                                                                                                                                             
import time

def f(x):
    return x*x 

if __name__ == '__main__':
    p = Pool(5)
    l = [x for x in range(2000000)]
    start = time.clock()
    p.map(f, l)
    end = time.clock()
    print('pool processing time {}'.format(end - start))
    start = time.clock()
    map(f, l)
    end = time.clock()
    print('sequential processing time {}'.format(end - start))

我得到的输出如下所示。

  pool processing time 5.576627
  sequential processing time 3.220387

为什么顺序处理时间大于池处理时间？我在分配有两个 CPU 的 Linux(Ubuntu 14.04 VM)上运行此代码。

Answer 1

您的函数 f 太简单，无法在这里受益。

多处理的工作方式是剥离整个 Python 程序的副本。如果您的系统有多个 CPU，则这些副本可以在单独的 CPU 上并行运行。您可以将它们视为某种主/从安排，原始 Python 程序是 CPU A 上的主程序，而一些从程序(在本例中为 5 个)位于 CPU B 到 F 上。(它们不 < em>必须有这种主从关系，但我认为大多数人发现这样思考更容易。)

然后，每当您的主设备请求一些从设备端计算时，主设备就会打包参数值(使用 pickle)并将它们发送到从设备。¹从机执行请求的计算，pickle得到答案，并将其发送回主机。

在您的情况下，参数是列表中的每个值(加上要调用的函数，请参阅脚注)，结果是列表中值的平方。打包和解包值所需的时间比计算所需的时间要长得多，因此这是净损失。

如果您进行更多计算(与基本通信开销相比)，您可能会看到净胜，但如果只有两个 CPU，则创建一个大池会适得其反。

<小时/>

¹调用的函数也通过 pickle 进行封装。