如何增加Python的CPU使用率

我使用Python执行某些算法，无论我使用哪个Python，并且尝试了许多版本，CPU使用率最高都达到25％。为什么Python不利用我的其余CPU资源？我将服务的优先级从正常更改为高，然后将其更改为实时，并在两次重新启动之间进行了更改，但没有任何改变。

有没有办法让Python使用50％甚至更多的CPU？

简而言之，您正在具有4个逻辑核心的系统中运行一个单线程应用程序-这样，您就拥有了一个使用所有核心的进程。

您将（并且这很简单）需要将算法重写为多线程，或者查看是否只能在特定内核上运行2个或更多实例以使用更多CPU。没有别的办法了。

Python语言早于多核CPU，因此并不本地使用它们就不足为奇了。

此外，并非所有程序都可以从多个内核中受益。分步进行的计算（下一步取决于上一步的结果）将不会使用更多核来加快计算速度。可以向量化的问题（将相同的计算应用于大型数据数组）可以相对容易地使用多个核，因为各个计算是独立的。

当您进行大量计算时，我假设您正在使用numpy？如果没有，请检查一下。它是用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，它可以大大加快数值计算的速度。

话虽如此，有几种方法可以在python中使用多个内核。

• 内置multiprocessing模块。本multiprocessing.Pool类提供跨越与多个CPU的矢量map()和相关方法。但是这里需要权衡。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，则在处理大问题时会更快。
• 使用扩展模块，例如numexpr，并行python，corepy或Copenhagen Vector Byte Code。

请注意，threading模块在这方面并不是很有用。为了简化内存管理，全局解释器锁（“ GIL”）强制一次只能有一个线程在执行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。