多处理时序不一致
multiprocessing timing inconsistency
我有大约 100 个进程。每个进程包含 10 个输入（逻辑表达式），每个进程的任务是找到最快的启发式算法来解决每个逻辑输入（我有大约 5 个启发式算法）。
当我 运行 分别处理每个进程时，结果与我 运行 并行处理所有进程时的结果不同（使用 python p1.py & python p2.py &…..）。例如，当 运行 分别处理输入 1（在 p1 中）时，发现第一个启发式算法是最快的方法，但是当并行时，相同的输入发现第五个启发式算法更快！
原因可能是 CPU 将在并行进程之间切换并弄乱时间，因此它无法给出每个启发式算法花费的正确时间来解决输入？
解决办法是什么？将进程数减半可以减少错误结果吗？ （我 运行 我的程序在服务器上）
操作系统必须在更少的 CPU 上安排所有进程。为了做到这一点，它 运行 在每个 CPU 上执行一个进程一小段时间。之后，操作系统将进程调度出去让其他进程 运行 以便为进程分配公平的 运行ning 时间。因此每个进程都必须等待 CPU 上的 运行ning 槽。这些等待时间取决于等待 运行 并且几乎不可预测的其他进程的数量。
如果您使用时钟时间进行测量，等待时间会影响您的测量。要进行更精确的测量，您可以询问操作系统该进程使用了多少 CPU 时间。函数 time.process_time() 就是这样做的。
进程之间的切换很费时间。多个进程访问相同的资源（文件、硬盘、CPU 缓存、内存...）会耗费时间。对于 CPU 绑定进程，运行ning 进程比 CPUs 多几个数量级会减慢执行速度。通过启动比 CPU 数量略少的进程，您将获得更好的结果。备用 CPUs 仍可用于操作系统或其他一些不相关程序所需的工作。
我有大约 100 个进程。每个进程包含 10 个输入（逻辑表达式），每个进程的任务是找到最快的启发式算法来解决每个逻辑输入（我有大约 5 个启发式算法）。
当我 运行 分别处理每个进程时，结果与我 运行 并行处理所有进程时的结果不同（使用 python p1.py & python p2.py &…..）。例如，当 运行 分别处理输入 1（在 p1 中）时，发现第一个启发式算法是最快的方法，但是当并行时，相同的输入发现第五个启发式算法更快！
原因可能是 CPU 将在并行进程之间切换并弄乱时间，因此它无法给出每个启发式算法花费的正确时间来解决输入？
解决办法是什么？将进程数减半可以减少错误结果吗？ （我 运行 我的程序在服务器上）
操作系统必须在更少的 CPU 上安排所有进程。为了做到这一点，它 运行 在每个 CPU 上执行一个进程一小段时间。之后，操作系统将进程调度出去让其他进程 运行 以便为进程分配公平的 运行ning 时间。因此每个进程都必须等待 CPU 上的 运行ning 槽。这些等待时间取决于等待 运行 并且几乎不可预测的其他进程的数量。
如果您使用时钟时间进行测量，等待时间会影响您的测量。要进行更精确的测量，您可以询问操作系统该进程使用了多少 CPU 时间。函数 time.process_time() 就是这样做的。
进程之间的切换很费时间。多个进程访问相同的资源（文件、硬盘、CPU 缓存、内存...）会耗费时间。对于 CPU 绑定进程，运行ning 进程比 CPUs 多几个数量级会减慢执行速度。通过启动比 CPU 数量略少的进程，您将获得更好的结果。备用 CPUs 仍可用于操作系统或其他一些不相关程序所需的工作。