我在基于Intel i3的机器上运行以下代码，该机器具有4个虚拟内核（2个超线程/物理内核，64位）和安装的Ubuntu 14.04：
n = multiprocessing.cpu_count()
executor = ThreadPoolExecutor(n)
tuple_mapper = lambda i: (i, func(i))
results = dict(executor.map(tuple_mapper, range(10)))
代码似乎没有以并行方式执行，因为CPU的使用率仅为25％ . 在利用率图表中，一次仅100％使用4个虚拟核心中的一个 . 使用的核心每10秒左右交替一次 .
但是并行化在具有相同软件设置的服务器计算机上运行良好 . 我不知道核心的确切数量，也不知道确切的处理器类型，但我确信它有几个核心，利用率为100％，并且计算速度快（使用并行化后速度提高了10倍）一些实验用它） .
我希望，并行化也可以在我的机器上运行，而不仅仅是在服务器上 .
为什么不起作用？它与我的操作系统设置有关吗？我需要改变它们吗？
提前致谢！
Update: 有关背景信息，请参阅下面的正确答案 . 为了完整起见，我想提供一个解决问题的示例代码：
tuple_mapper = lambda i: (i, func(i))
n = multiprocessing.cpu_count()
with concurrent.futures.ProcessPoolExecutor(n) as executor:
results = dict(executor.map(tuple_mapper, range(10)))
在重复使用之前，请注意所有正在使用的函数都在模块的顶层定义，如下所述：Python multiprocessing pickling error
1 回答
这听起来像你're seeing the results of Python'（a.k.a GIL） .
由于所有线程都运行纯Python代码，因此其中只有一个可以并行运行 . 这应该只会导致一个CPU处于活动状态并与您对问题的描述相匹配 .
您可以通过使用来自同一模块的
ProcessPoolExecutor的多个进程来绕过它 . 其他解决方案包括切换到没有GIL的Jython或IronPython .