我正在python中进行多处理。例如，考虑Python多处理文档中给出的示例（在示例中我更改了100到1000000，只是为了消耗更多时间）。当我运行此操作时，我确实看到该池（）正在使用所有4个进程，但我看不到每个CPU的提高到100％。如何将每个CPU的使用达到100％？
from multiprocessing import Pool
def f(x):
return x*x
if __name__ == '__main__':
pool = Pool(processes=4)
result = pool.map(f, range(10000000))
这是因为multiprocessing需要主过程和场景后面的工作过程之间的反学通信，而通信开销花费的时间比"实际"计算（x * x）在您的情况下。
尝试"更重"计算内核，例如
def f(x):
return reduce(lambda a, b: math.log(a+b), xrange(10**5), x)
更新（澄清）
我指出，OP观察到的低CPU用法是由于multiprocessing中固有的IPC高架造成的，但是OP不需要太多，因为原始计算内核太"轻"了用作基准。换句话说，multiprocessing的效果最差，这种方式也"轻"内核。如果OP在multiprocessing的顶部实现了现实世界中的逻辑（我敢肯定，它比x * x都更重"，我保证OP将达到不错的效率。我提出的"重"内核的实验支持了我的论点。
@filipmalczak，我希望我的澄清对您有意义。
顺便说一下，使用multiprocessing时有一些方法可以提高x * x的效率。例如，除非要求实时解决每个作业，否则我们可以将1,000个工作组合到Pool之前，除非我们实现REST API服务器，否p>
您问了错误的问题。multiprocessing.Process表示操作系统中所理解的过程。multiprocessing.Pool只是运行多个进程来完成您的工作的简单方法。Python环境与平衡核心/处理器的负载无关。
如果您想控制如何将处理器时间给予流程，则应尝试调整操作系统，而不是Python解释器。
当然，"更重"的计算将被系统识别，并且看起来像是您想做的事情，但实际上，您几乎无法控制流程处理。
"更重"功能只会对您的操作系统看起来更重，他通常的反应将为您的流程分配更多的处理器时间，但这并不意味着您做了您想要的工作 - 这很好，因为这整个过程都很好使用VM的语言点 - 您指定逻辑，而VM会照顾将此逻辑映射到操作系统上。