【发布时间】：2017-10-09 05:28:29
【问题描述】：
我听说在调用使用多处理的 Python 脚本之前使用 OMP_NUM_THREADS=1 会使脚本更快。
这是真的还是假的？如果是，为什么会这样？
【问题讨论】：
-
正确。那说明事情！所以，我猜该选项避免使用 python 多处理来调用另一个正在执行多处理的进程。
标签： python multiprocessing openmp
【发布时间】：2017-10-09 05:28:29
【问题描述】：
既然您在评论中说您的 Python 程序正在调用使用 OpenMP 的 C 模块：
OpenMP 在一个进程中执行多线程，默认线程数通常是 CPU 实际可以同时运行的线程数。 （这通常是 CPU 内核的数量，或者如果 CPU 具有 SMT 功能（例如 Intel 的超线程），则为该数量的倍数。）因此，例如，如果您有一个四核非超线程 CPU，默认情况下，OpenMP 需要运行 4 个线程。
当您使用 Python 的 multiprocessing 模块时，您的程序会启动多个可以同时运行的 Python 进程。您可以控制进程的数量，但通常您希望它是 CPU 内核/线程的数量，例如由multiprocessing.cpu_count()返回。
那么，如果你运行一个运行 4 个 Python 进程的 multiprocessing 程序，并且每个调用一个 OpenMP 函数运行 4 个线程，那么在那个四核 CPU 上会发生什么？您最终会在 4 个内核上运行 16 个线程。这会起作用，但不会达到最高效率，因为每个核心都必须花一些时间在任务之间切换。
设置 OMP_NUM_THREADS=1 基本上会关闭 OpenMP 多线程，因此您的每个 Python 进程都保持单线程。
如果您这样做，请确保您启动了足够多的 Python 进程！如果您有 4 个 CPU 内核并且只运行 2 个单线程 Python 进程，那么您将使用 2 个内核，而另外 2 个处于空闲状态。 （在这种情况下，您可能需要设置OMP_NUM_THREADS=2。）
【讨论】：
在cmets中解决：
OMP_NUM_THREADS 是 OpenMP 的一个选项，它是一种用于在进程中执行多线程的 C/C++/Fortran API。
目前还不清楚这与 Python 多处理有什么关系。
您的 Python 程序调用的模块是用 C 编写的，内部使用 OpenMP 吗？ – 巫师
【讨论】：