常识表明，我们使用的内核或线程越多，任何计算的速度都应该更快。如果缩放比例不好，则随着线程数量的增加，计算时间将不会缩短。因此，如本示例所示，当增加带有R包MGCV的gam时，增加线程为何会大大减少计算时间？ ：
library(boot) # loads data "amis"
t1<-Sys.time()
mod <- gam(speed ~ s(period, warning, pair, k = 12), data = amis, family=tw (link = log),method="REML",control=list(nthreads=1)) #
t2<-Sys.time()
print("Model fitted in:")
print(t2-t1)
如果将本示例中的线程数增加到2、4等，则拟合过程将花费越来越长的时间，而不是我们期望的更快。在我的情况下：
1个线程：32.85333秒
2个线程：50.63166秒
3个线程：1.2635分钟
这是为什么？如果我做错了什么，该怎么做才能获得所需的行为（即，随着线程数量的增加而提高性能）？
一些注意事项：
1）此处显示的模型，族和求解方法没有特殊意义。这仅仅是一个例子。但是，我已经使用实际数据和合理的模型来解决这个问题（但为简单起见，我使用此小代码来举例说明问题）。数据，模型的功能形式，族，求解方法似乎都无关紧要：经过多次测试，我总是得到相同的行为，即增加使用的线程数，降低性能（即增加计算时间）。
2）操作系统：Linux Ubuntu 18.04;
3）体系结构：具有两个物理CPU的DELL Power Edge英特尔至强X5660每个都具有6个内核@ 2800 Mhz，每个内核能够处理2个线程（即，总共24个线程）。 80Gb RAM。
4）随同安装了OpenMP库（功能gam具有多阈值功能所需的库）
sudo apt-get install libomp-dev
5）我知道gam（https://stat.ethz.ch/R-manual/R-devel/library/mgcv/html/mgcv-parallel.html）的多核使用帮助页面。这里唯一指出性能随着线程数量的增加而降低的是“因为mgcv中的计算负担全部在线性代数中，所以并行计算可能会带来 reduced （...）的好处。调整后的BLAS”。