Python 多处理代码运行速度比单线程代码慢

Question

我的 i7 7700HQ 上的 Python 多处理性能明显慢于非并行处理器。

在计划在 mssql 中并行化我的单表数据库的选择和更新代码时，我尝试首先并行化一个简单的代码。该程序只是打印参数的倍数。我尝试使用 Process 对象和 Pool 对象进行单线程、多进程。单线程始终表现最佳。

import time

def foobar(a):
    for i in range(1,10000):
        print(a*i)
    return
if __name__ == "__main__":
   Tthreading = time.clock()
    p1= Process(target= foobar, args=(3,))
    p2 = Process(target= foobar, args= (2,))
    p3 = Process(target= foobar, args= (4,))
    p4 = Process(target=foobar, args=(123,))

    allprocess.start

    allprocess.join

    print(time.clock() - Tthreading)

    #Single-threaded
    Tsingle = time.clock()
    foobar(3)
    foobar(2)
    foobar(4)
    foobar(123)
    print(time.clock() - Tsingle)

我预计多进程会更快，因为没有共享资源(没有需要在线程之间访问的函数、变量)和 IPC。

单线程时间:0.32s

多进程时间:0.53s

Answer 1

实际上，您的示例中有一个重要的共享资源，即监视器(或 stdout)。

print 是一个相对较慢的操作(与 CPU 周期相比......)，并且它会导致进程之间的争用。

正确地对并行工作进行基准测试是一项艰巨的任务，它受到 CPU 的许多因素和特性(例如缓存)的影响。

尝试将您的工作负载替换为非常适合多重处理的工作负载(例如，在数组的不同部分上并行工作、矩阵乘法...)

还有一件更重要的事情:产生新进程也需要时间，并且要想让每个进程中完成的工作得到返回，就需要大量的时间。如果稍微增加循环的范围，差异应该有利于多进程版本:

import time
from multiprocessing import Process

def foobar(a):
    for i in range(1,10000000):
        a*i
    return

if __name__ == "__main__":
    Tthreading = time.time()
    p1= Process(target= foobar, args=(3,))
    p2 = Process(target= foobar, args= (2,))
    p3 = Process(target= foobar, args= (4,))
    p4 = Process(target=foobar, args=(123,))

    allprocess = [p1,p2,p3,p4]
    for p in allprocess:
        p.start()

    for p in allprocess:
        p.join()

    print(time.time() - Tthreading)

    #Single-threaded
    Tsingle = time.time()
    foobar(3)
    foobar(2)
    foobar(4)
    foobar(123)
    print(time.time() - Tsingle)

在我的机器上输出:

0.44509196281433105

1.3775699138641357