我有一个关于Python多处理的快速问题。
我正在编写一些代码，这些代码将使用多处理在核心/虚拟核心之间拆分任务，但我有许多机器，每个机器都有不同的CPU ......
我有一个Intel Centrino2双核，一个Intel i5四核和一个双Xeon十六进制核（带超线程）机器，可运行此代码。
这意味着每台机器都有2个，4个或12/24个核心，我想知道相同的代码是否可以在所有机器上运行，或者我是否需要根据每台机器上的特定核心数量进行定制...
我认为我的代码将创建的（最多）10个python进程将在物理/虚拟核心上运行（如果有的话），但如果机器只有2个或4个核心，则进程将运行＆＃39;时间分片的＆＃39;在可用内核上，就像我使用线程一样，这是正确的吗？
我一定会吮吸它并看到＆＃39;但是我对你可以建议的关于这个主题的任何建议或信息感兴趣...
我计划在64位Centos Linux和Windows 10操作系统上运行代码，并使用Anaconda Python 3.6以防万一。
由于
答案 0 :(得分：1)
我在Stackoverflow上发现了这个Q / A，它支持我最初的想法 - 代码将运行在任何3个cpu上，因此不需要在每个CPU的基础上进行定制...
python multiprocessing and number of cores
Windows vs Linux性能：
作为上述的一个附注，在Window vs Linux上产生python多处理过程存在一些性能问题，因为在Windows中，进程是重的＆＃39;并且需要花费更多的时间/资源来创建Linux平台 - 这可能意味着使用多处理的python程序在Linux和Windows上的表现稍好一些。
通过多进程队列在共享进程之间共享数据（概述）：
Python多处理与线程不同，因为每个进程都在自己的地址空间中运行，因此默认情况下，进程中包含的任何数据都不可用于其他进程 - 这是一个很好的视频，解释了如何共享数据在使用排队的进程之间。