python进程/线程映射在windows中是如何工作的?为什么线程的工作速度比进程快？

Question

我正在尝试找到一种更快的方法来运行numpy/sklearn来对数据列表执行一些任务。我有一些书建议我在繁重的数据计算工作中使用Process而不是Thread。在这样做的时候，我发现线程的运行速度比进程快。为什么会这样呢？我应该选择哪种方式？

# -*- coding: utf-8 -*-
"""
Created on Tue Apr  2 10:20:19 2019

@author: Simon
"""
import time
import numpy as np

from sklearn import linear_model
from concurrent.futures import ProcessPoolExecutor as Pool
from concurrent.futures import ThreadPoolExecutor as Pool

xx, yy = np.meshgrid(np.linspace(0,10,1000), np.linspace(10,100,1000))
zz = 1.0 * xx + 3.5 * yy + np.random.randint(0,100,(1000,1000))

X, Z = np.column_stack((xx.flatten(),yy.flatten())), zz.flatten()


regr = linear_model.LinearRegression()


def regwork(t):
    X=t[0]
    Z=t[1]
    regr.fit(X, Z)
    a, b = regr.coef_, regr.intercept_
    return a

def numpywork(t):
    X=t[0]
    Z=t[1]
    for i in range(1):
        r=np.sum(X,axis=1)+np.log(Z)
    return np.sum(r)

if __name__=="__main__":
    r=regx((X,Z))
    rlist=[[X,Z]]*500



    start=time.clock()
    pool = Pool(max_workers=2)
    results = pool.map(numpywork, rlist)

    for ret in results:
        print(ret)
    print(time.clock()-start)

在Win7-4 Real Core-I5-4700和python 3.6上运行。下面是输出：

Ways|Workerjob|taskmgr显示的进程数|工作时的Cpu负载|时间开销

2thread|numpy |1进程|100%|9s

2threads|sklearn|1进程|100%|35s

2process|numpy |3进程|100%|36s

2process|sklearn|3进程|100%|77s

为什么流程要花费更多的时间？如何找到一种更好的方法来降低时间成本，充分利用多核操作系统？

Answer 1

好的。我知道了。对于那些可以发布像numpy这样的GIL的模块，使用线程后端将通过减少从主进程到子进程的Np对象复制成本来节省时间。