如果我的 8 核 CPU 支持 16 个线程，对于池中的进程数，16 是否比 8 更好？

Question

我在 python 3.7 中使用多处理

一些文章说，在 Pool 中使用的进程数是 CPU 内核的数量。

我的 AMD Ryzen CPU 有 8 个内核，可以运行 16 个线程。

那么，进程数应该是8个还是16个呢？

import multiprocessing as mp
pool = mp.Pool( processes = 16 )         # since 16 threads are supported?

Answer 1

问：“那么，进程数应该是 8 还是 16？”因此，如果子进程分布式工作负载群是缓存重用密集型（而不是内存 I/O），-&nbsp;SpaceDOMAINconstraints 规则，因为可缓存数据的大小将在决定是 8 还是 16 时发挥主要作用.为什么 ？因为内存 I/O 的成本比缓存中的数据高出大约一千倍，按内存 I/OTimeDOMAIN支付。3xx - 4xx [ns]0.1 ~ 0.4 [ns]如何做出决定？在决定生产规模配置之前，进行小规模测试。因此，如果要分布式的工作负载群是网络 I/O，或其他显着的（本地非奇异的）延迟源，依赖，则TimeDOMAIN可能会受益于延迟屏蔽技巧，运行 16、160 或仅1600 个线程（在这种情况下不是进程）。为什么 ？因为进行网络 I/O 的成本提供了如此多的等待时间（一些[ms]网络 I/O RTT 延迟时间足以处理1E7 ~ 10.000.000每个 CPU 核心 uop-s，这是相当很多工作。因此，即使是整个进程的智能交错，这里也只使用基于延迟屏蔽的线程并发处理可能适合（因为等待来自网络 I/O 的远程“答案”的线程不应该为 GIL 锁而战，因为他们在收到预期的 I/O 字节之前没有什么可计算的，是吗？）如何做出决定？查看代码以确定游戏中有多少网络 I/O 提取和缓存足迹大小的读取（在 2020/Q2+ L1 缓存增长到大约几秒[MB]）。对于这些操作重复多次的情况，请毫不犹豫地为每个“慢速”网络 I/O 目标启动一个线程，因为处理将受益于“长时间”等待的巧合创建的屏蔽 -以廉价（“快速”）和（由于“许多”和“长”等待时间）相当稀疏的线程切换或什至 O/S 驱动的进程调度程序将完整的子进程映射到一个免费的 CPU 核心。因此，如果要分配的工作负载群是上述情况的某种混合，除了在实际硬件本地/非本地资源上进行试验之外别无他法。为什么 ？因为没有经验法则来微调工作负载处理到实际 CPU 核心资源的映射。尽管如此，人们可能很容易发现付出的代价比以往任何时候都多回报实现减速的已知陷阱，而不是（只是希望获得）加速在所有情况下，遵守修订后的阿姆达尔定律的开销严格、资源感知和工作负载的原子性确定了一个收益递减点，之后任何更多的工作人员（CPU 核心）都不会提高希望获得的加速。Stack Overflow 的帖子中表达了 S << 1 的许多惊喜，因此人们可以阅读尽可能多的不该做的事情（通过反模式学习）。