我使用 Python 执行一些算法，无论我使用哪种 Python，我尝试过许多版本，CPU 使用率最高达到 25%。为什么 Python 不利用我剩余的 CPU 资源？我将服务的优先级从正常更改为高，后来又更改为实时，中间重新启动，但没有任何变化。
有没有办法让 Python 使用 50% 甚至更多的 CPU？
答案1
很简单，您在具有 4 个逻辑核心的系统中运行单线程应用程序 - 因此，您有一个进程，使用所有核心。
您将（这并非易事）需要重写算法以使其支持多线程，或者看看是否可以在特定核心上运行 2 个或更多实例以使用更多 CPU。没有其他方法。
答案2
Python 语言早于多核 CPU，因此它本身不使用多核 CPU 并不奇怪。
此外，并非所有程序都能从多核中获益。分步进行的计算（下一步取决于上一步的结果）不会因为使用更多核心而变得更快。向量化（将相同的计算应用于大量数据）可以相对容易地使用多个核心，因为各个计算是独立的。
当你进行大量计算时，我假设你使用numpy？如果没有，请查看。这是一个用 C 编写的扩展，可以使用优化的线性代数库（如 ATLAS）。与标准 Python 相比，它可以显著加快数值计算速度。
话虽如此，但是有几种方法可以使用 Python 中的多核。
- 内置的是
multiprocessing模块。multiprocessing.Pool该类使用和相关方法跨多个 CPU 提供矢量化map()。不过这里有一个权衡。如果您必须在进程之间传递大量数据，那么这种开销可能会抵消多核的优势。 - 使用合适的 numpy 版本。如果 numpy 是使用多线程 ATLAS 库构建的，那么它在处理大型问题时会更快。
- 使用扩展模块，例如数字表达式，并行 Python，核心或者哥本哈根向量字节码。
请注意，该threading模块在这方面并不是那么有用。为了保持内存管理简单，全局解释器锁（“GIL”）强制一次只有一个线程可以执行 python 字节码。不过，像 numpy 这样的外部模块可以在内部使用多个线程。