我是否正确计算执行时间？如果是这样，那么并行处理将花费更长的时间。这看起来很奇怪

Question

这是我的并行处理代码，我比较了Python中相同任务的并行代码和线性代码的运行时。我得到的并行代码的输出时间是在每次运行更多。这完全出乎意料。为什么会这样？怎么了？你知道吗

from multiprocessing import Pool
import matplotlib.pyplot as plt
import numpy as np
import time

def scatter_join(args):
    plt.scatter(s=1,*args)
    plt.savefig('test_p.png')


if __name__ == '__main__':
    p = Pool()
    snap = np.random.randint(0,20,(100000,2))
    task = [(snap[:,0],snap[:,1])]
    t = time.time()
    p.map(scatter_join,task)
    p.close()
    p.join()
    print('Time Elapsed(Parallel): ', abs((time.time()-t)))

plt.clf()
t = time.time()
plt.scatter(snap[:,0],snap[:,1],s=1)
plt.savefig('test_l.png')
print('Time Elapsed(Linear): ',abs(time.time()-t))

Answer 1

并行代码不能保证比单个线程快。它可以加速或减慢工作负载。你知道吗

如果一段代码的串行（即不可并行）部分占了太多的百分比，那么并行化算法就不会有什么好处。你知道吗

从这里看起来，您的工作负载（单个matplotlib plot？）不会从并行执行中受益。你知道吗

也可以看看这个：

Python Multiprocessing with Matplotlib

输出为

运行时间（并行）：1.8148565292358398

所用时间（线性）：0.171877861022942