我制作了一个程序，通过将列表划分为子部分并在Python中使用多处理来添加列表。我的代码如下：
from concurrent.futures import ProcessPoolExecutor, as_completed
import random
import time
def dummyFun(l):
s=0
for i in range(0,len(l)):
s=s+l[i]
return s
def sumaSec(v):
start=time.time()
sT=0
for k in range(0,len(v),10):
vc=v[k:k+10]
print ("vector ",vc)
for item in vc:
sT=sT+item
print ("sequential sum result ",sT)
sT=0
start1=time.time()
print ("sequential version time ",start1-start)
def main():
workers=5
vector=random.sample(range(1,101),100)
print (vector)
sumaSec(vector)
dim=10
sT=0
for k in range(0,len(vector),dim):
vc=vector[k:k+dim]
print (vc)
for item in vc:
sT=sT+item
print ("sub list result ",sT)
sT=0
chunks=(vector[k:k+dim] for k in range(0,len(vector),10))
start=time.time()
with ProcessPoolExecutor(max_workers=workers) as executor:
futures=[executor.submit(dummyFun,chunk) for chunk in chunks]
for future in as_completed(futures):
print (future.result())
start1=time.time()
print (start1-start)
if __name__=="__main__":
main()
问题是，对于顺序版本，我得到了一个时间：
0.0009753704071044922
而对于并发版本，我的时间是：
0.10629010200500488
当我将员工人数减少到2人时，我的时间是：
0.08622884750366211
为什么会发生这种情况？
向量的长度只有100。这是一个非常小的工作量，因此启动流程池的固定成本是运行时最重要的部分。因此，当有很多工作要做时，并行性是最有益的。尝试一个更大的向量，比如100万的长度。
第二个问题是，你让每个工人做少量的工作：10号的大块。同样，这意味着启动一项任务的成本不能在这么少的工作量上摊销。使用较大的块。例如，使用int(len(vector)/(workers*10))代替10。
还要注意，您正在创建5个流程。对于像这样的CPU绑定任务，理想情况下，您希望使用与物理CPU内核相同数量的进程。无论您的系统有多少个核心，都可以使用，或者如果您使用max_workers=None(默认值(，则ProcessPoolExecutor将默认为您系统的那个数字。如果你使用的进程太少，你就会把性能留在桌面上，如果你使用了太多，那么CPU将不得不在它们之间切换，你的性能可能会受到影响。
您的分块对于创建多个任务来说非常糟糕。创建过多的任务仍然会招致时间惩罚，即使你的员工已经创建好了。
也许这篇文章可以帮助你搜索：如何在Python 中使用多处理并行求和循环