为什么 Pool.map（） 比普通地图慢？

问：

我正在尝试多处理。池功能，但我遇到了一个奇怪的问题，即使用 pool.map 比仅使用普通地图功能慢得多。

我已经在 SO 上寻找以前的答案。我发现的任何线程都会产生更多问题。

这是我的代码：

import multiprocessing
from multiprocessing import Pool
import random
import time


def f(x):
    time.sleep(1)
    return x**3


if __name__ == '__main__':

    vector = [1, 2, 3, 4] 

    # Single Process
    start = time.time()
    sp = map(f, vector)
    print(f"Single Process time: {time.time() - start}s")
    print(f"Should equal ~4.00 s")

    print("")

    # Multiprocessing
    p = Pool(processes=4)
    start = time.time()
    with p:
        mp = p.map(f, vector)
    print(f"Multi-Process time: {time.time() - start}s")
    print(f"Should equal ~1.00 s")

这是我得到的打印输出：

Single Process time: 7.152557373046875e-07s
Should equal ~4.00 s

Multi-Process time: 1.1352498531341553s
Should equal ~1.00 s

我最初在这里做了与这个线程非常相似的事情：为什么pool.map比普通地图慢？我遇到了与原始海报相同的问题。因此，我尝试将循环缩短为四个，并添加一个 time.sleep（） 函数来检查执行。这是行不通的。

使用 imap 似乎大大缩短了多处理代码，但我的单核解决方案仍然需要不到 1 秒（这似乎是不可能的，因为我为数组中的每个元素睡了整整 1 秒——至少需要 4 秒！我还尝试更改 Pool（） 对象中的核心数。我在具有 4 个逻辑内核的双核 macbook pro 上运行。