启用超线程后，仿真运行时间翻倍
我在用Python、Numpy和Cython写一个模拟程序。因为我需要对很多次模拟的结果进行平均，所以我使用了多进程模块来批量运行这些模拟。
在办公室，我有一台配备了超线程技术的i7-920工作站。在家里，我有一台没有超线程的i5-560。我本以为在办公室可以每批运行两倍的模拟实例，这样就能把运行时间缩短一半。没想到，每个模拟实例的运行时间反而比我在家里的工作站还要长。比如说，在家里同时运行3个模拟实例大约需要8分钟，而在办公室同时运行6个实例却要花大约15分钟。我用'cat /proc/cpuinfo'命令确认了'兄弟核心'是8，'CPU核心'是4，所以超线程是开启的。
我不知道有没有什么“总运行时间守恒”的规律（虽然从科学的角度来看，这可能很有趣 :)），希望这里有人能帮我解开这个谜团。
4 个回答
其他人基本上已经给你提供了问题的见解，我只是想补充一下，分享这篇文章，它详细解释了超线程技术是怎么运作的，以及它对多线程程序性能的影响：http://software.intel.com/en-us/articles/performance-insights-to-intel-hyper-threading-technology/
超线程技术在某些工作负载下可能会有好处，但对于需要大量数字计算的任务来说就不太适合。如果你想进行一些复杂的数学运算，最好把超线程关掉。
超线程的好处在于它可以让任务之间“免费切换”，也就是在不同的任务之间快速切换，但CPU的执行单元是有限的。
在这种情况下，超线程可能会让事情变得更糟，因为操作系统无法知道哪些进程是在不同的核心上运行（这样可以充分发挥性能），而哪些是在同一个核心上，只是使用了不同的“超线程”。
其实，我敢打赌Linux内核可以提供一种方法，让你更精细地控制这一点，但Python的多进程模块只会启动额外的进程，使用默认的资源分配。
总之：如果可以的话，关掉超线程——这样你至少可以充分利用4个核心的性能。
可能是因为有6个计算量很大的进程，但只有4个真正的处理器核心，这样在切换上下文时会产生更多的开销。如果这些进程争抢CPU资源，它们可能会不太有效地使用CPU的缓存。
如果你只启用4个核心而不是6个，会有什么结果呢？