为什么这个Python并行循环要比顺序循环花费更长的时间？

Question

我有这段代码，我试图在前面的question的基础上进行并行处理。下面是使用2个进程的代码。在

import  multiprocessing
import timeit

start_time = timeit.default_timer()

d1 = dict( (i,tuple([i*0.1,i*0.2,i*0.3])) for i in range(500000) )
d2={}

def fun1(gn):
    x,y,z = d1[gn]
    d2.update({gn:((x+y+z)/3)})

#
if __name__ == '__main__':
    gen1 = [x for x in d1.keys()]
    #fun1(gen1)
    p= multiprocessing.Pool(2)
    p.map(fun1,gen1)
    print('Script finished')
    stop_time = timeit.default_timer()
    print(stop_time - start_time)

输出为：

^{pr2}$

如果我把程序改成顺序的

fun1(gen1)
#p= multiprocessing.Pool(2)
#p.map(fun1,gen1)

输出为：

Script finished
0.8345944193950299

所以并行循环比顺序循环花费更多的时间，超过了两倍。（我的电脑有两个内核，运行在Windows上）我试着在这个主题上找到类似的问题，this和this，但找不出原因。在这个例子中，如何使用多处理模块来提高性能？在

Answer 1

当您执行p.map(fun1,gen1)操作时，您将gen1发送到另一个进程。这包括序列化500000个元素的列表。在

与小型计算相比，序列化需要更长的时间。在

您可以测量或profile在哪里花费时间。在