bash - 串行程序在多个实例或并行运行较慢

我有一个fortran代码，我用来计算与我工作相关的一些数量。代码本身涉及多个嵌套循环，并且需要非常少的磁盘I / O.每当修改代码时，我都会针对一组几个输入文件运行它（只是为了确保它正常工作）。

总而言之，最近的更新将程序的运行时间增加了大约四倍，并且使用一个CPU串行运行每个输入文件大约需要45分钟（等待很长时间，只需看是否有任何事情被打破了。因此，我想在系统上的4个cpu中并行运行每个输入文件。我一直试图通过bash脚本实现并行性。

我注意到的有趣的事情是，当只有一个程序实例在机器上运行时，需要大约三分半钟的时间才能通过其中一个输入文件。当程序的四个实例正在运行时，通过一个输入文件需要更多的时间（从11分半钟开始）（将我的总运行时间从大约45分钟缩短到36分钟 - 这是一个改进，是的，但不是我所拥有的希望）。

我尝试使用gnu parallel，xargs，wait来实现并行性，甚至只是从命令行在后台启动程序的四个实例。无论实例如何启动，我都看到同样的减速。因此，我很确定这不是shell脚本的工件，而是程序本身正在发生的事情。

我尝试在关闭调试符号的情况下重建程序，并使用静态链接。这些都没有任何明显的影响。我目前正在使用以下选项构建程序：

$ gfortran -Wall -g -O3 -fbacktrace -ffpe-trap =无效，零，溢出，下溢，非正常-fbounds-check -finit-real = nan -finit-integer = nan -o [program name] {源}

非常感谢任何帮助或指导！

在现代CPU上，您无法预期线性加速。有几个原因：

超线程 GNU / Linux将超线程视为核心事件，尽管它不是真正的核心。它更像是核心的30％。
共享缓存如果您的内核共享相同的缓存，并且您的程序的单个实例使用完整的共享缓存，那么如果运行更多实例，您将获得更多缓存未命中。
内存带宽与共享缓存类似的情况是共享内存带宽。如果单个线程使用全内存带宽，则并行运行更多作业可能会占用带宽。这可以通过在NUMA上运行来解决，其中每个CPU都有一些比其他RAM“更接近”的RAM。
Turbo模式许多CPU可以以比多线程更高的时钟速率运行单个线程。这是由于热量。

所有这些都会出现相同的症状：运行单个线程将比多个线程中的每个线程都快，但多个线程的总吞吐量将大于单个线程。

虽然我必须承认你的情况听起来很极端：有4个核心，我预计会有至少2的加速。

如何识别原因