Python Multiprocessing VS резьба для CPU Bound Work на Windows и Linux ⇐ Python

[Anonymous]

Поэтому я выбил некоторый тестовый код, чтобы увидеть, как многопроцессный модуль будет масштабироваться на работе CPU, по сравнению с потоками. На Linux я получаю повышение производительности, которое я ожидал: < /p>
linux (dual quad core xeon):
serialrun took 1192.319 ms
parallelrun took 346.727 ms
threadedrun took 2108.172 ms
< /code>
my Dual Core MacBook Pro показывает то же поведение: < /p>
osx (dual core macbook pro)
serialrun took 2026.995 ms
parallelrun took 1288.723 ms
threadedrun took 5314.822 ms
< /code>
Я затем пошел и попробовал на машине Windows и получил несколько разных результатов: < /p>
windows (i7 920):
serialrun took 1043.000 ms
parallelrun took 3237.000 ms
threadedrun took 2343.000 ms
< /code>
Почему, о, почему многопроцессный подход на Windows настолько медленнее? < /p>
Вот тестовый код: < /p>
#!/usr/bin/env python

import multiprocessing
import threading
import time

def print_timing(func):
def wrapper(*arg):
t1 = time.time()
res = func(*arg)
t2 = time.time()
print '%s took %0.3f ms' % (func.func_name, (t2-t1)*1000.0)
return res
return wrapper

def counter():
for i in xrange(1000000):
pass

@print_timing
def serialrun(x):
for i in xrange(x):
counter()

@print_timing
def parallelrun(x):
proclist = []
for i in xrange(x):
p = multiprocessing.Process(target=counter)
proclist.append(p)
p.start()

for i in proclist:
i.join()

@print_timing
def threadedrun(x):
threadlist = []
for i in xrange(x):
t = threading.Thread(target=counter)
threadlist.append(t)
t.start()

for i in threadlist:
i.join()

def main():
serialrun(50)
parallelrun(50)
threadedrun(50)

if __name__ == '__main__':
main()


Подробнее здесь: https://stackoverflow.com/questions/128 ... -and-linux