Python 多处理正在降低性能

问：

为了理解并行化，我在模块多处理上编写了一个玩具脚本。我绘制了下图，结论是我的实现通过添加多个进程使性能变差。 例如，我的代码创建了一个包含 10 000 个元素的列表，然后并行计算其元素的总和。每个进程都必须在其自己的子列表中执行元素的总和。

使用 1 个进程，需要 0.78 秒来计算总和。2 个进程，1,29 秒，3 个进程，1,93 秒。看我的图表：

进程数与计算时间

法典：

import multiprocessing
import time
import math
import numpy as np

def sum_list(mylist,result,index_min,index_max):
    for i in range(index_min,index_max):
        result.value += mylist[i]

if __name__ == "__main__": 
    f = lambda x: np.sin(x)*np.cos(x)
    X = np.linspace(0,1,10000)
    mylist=f(X)  #creating the list to sum
    size = len(mylist)
    
    result = multiprocessing.Value('d')
    result.value = 0
    processes = []
    n = 10

    #creating processes
    start = time.perf_counter()
    for p in range(n):
        index_min = int(p*size/n)
        index_max = int((p+1)*size/n)
        print(index_min,index_max)
        processes.append( multiprocessing.Process(target = sum_list,args = (mylist,result,index_min,index_max)) ) 
    #starting processes
    for process in processes:
        process.start()
        
    #end processes
    for process in processes:
        process.join()
    end = time.perf_counter()
    print('time ellapsed :', end-start, 'seconds. ')
    

显然，由于列表的大小是固定的，我希望进程只有一个小的子列表要求和，并且由于它们同时执行，因此总计算时间应该会减少。

我尝试了很多不同数量的进程和两种不同的硬件架构，但问题就在那里。我错过了什么吗？是因为每次一个进程必须写入结果时，它都必须与其他进程通信，从而降低性能吗？

谢谢你的回答。