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），- 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）。