我在基于Intel i3的计算机上运行以下代码，该计算机具有4个虚拟核心（2个超线程/物理核心，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）用它做一些实验）。
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！
更新 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，请注意您正在使用的所有功能都在模块的顶层定义，如下所述： Python multiprocessing pickling error
答案 0 :(得分：14)
听起来你已经看到了Python Global Interpreter Lock（a.k.a GIL）的结果。
在CPython中，全局解释器锁或GIL是一个互斥锁 阻止多个本机线程执行Python字节码 一次。
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处于活动状态并符合您对问题的描述。
您可以通过在同一模块中使用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。
ProcessPoolExecutor类是使用池的Executor子类 进程异步执行调用。 ProcessPoolExecutor使用 多处理模块允许它侧向全局 解释器锁但也意味着只有可选择的对象可以 执行并返回。