我試圖讓我的代碼并行，但我遇到了一件我無法解釋的奇怪事情。讓我定義上下文。我有一個非常繁重的計算要做，讀取多個文件，對其進行機器學習分析，涉及很多數學。我的代碼按順序在 Windows 和 Linux 上正常運行，但是當我嘗試使用多處理時，一切都會中斷。下面是我首先在 Windows 上開發的示例：from multiprocessing.dummy import Pool as ThreadPool def ppp(element):    window,day = element    print(window,day)    time.sleep(5)    returnif __name__ == '__main__'        #%% Reading datasets    print('START')    start_time = current_milli_time()    tree = pd.read_csv('datan\\days.csv')    days = list(tree.columns)    # to be able to run this code uncomment the following line and comment the previous two    # days = ['0808', '0810', '0812', '0813', '0814', '0817', '0818', '0827', '0828', '0829']    windows = [1000]    processes_args = list(itertools.product(windows, days))    pool = ThreadPool(8)     results = pool.map_async(ppp, processes_args)    pool.close()     pool.join()     print('END', current_milli_time()-start_time, 'ms')當我在 Windows 上運行此代碼時，輸出如下所示：START100010001000 1000 1000100010001000      0810081208080813081408180827081710001000      08290828END 5036 ms125 毫秒內的一組亂七八糟的打印。在 Linux 上也有相同的行為。但是，我注意到，如果我在 Linux 上應用此方法，并查看“htop”，我看到的是一組隨機選擇執行的線程，但它們從不并行執行。因此，經過一些谷歌搜索后，我想出了這個新代碼：from multiprocessing import Pool as ProcessPooldef ppp(element):    window,day = element    print(window,day)    time.sleep(5)    return如您所見，我更改了導入語句，它基本上創建了一個進程池而不是線程池。這解決了 Linux 上的問題，實際上在真實場景中，我有 8 個處理器以 100% 運行，系統中有 8 個進程在運行。輸出看起來像以前的那樣。但是，當我在 Windows 上使用此代碼時，整個運行需要 10 多秒的時間，而且，我沒有得到任何ppp.我真的試圖尋找一個解釋，但我不明白為什么會這樣。例如這里：Windows 中的 Python 多處理池奇怪行為，他們討論了Windows 上的安全代碼，答案建議轉向線程，作為副作用，這將使代碼不是并行的，而是并發的。這里再舉一個例子：Python multiprocessing linux windows差異。所有這些問題都描述fork()和spawn處理，但我個人認為我的問題不是這樣。Python 文檔仍然解釋說 windows 沒有fork()方法（https://docs.python.org/2/library/multiprocessing.html#programming-guidelines）?？傊?，現在我確信我不能在 Windows 中進行并行處理，但我認為我從所有這些討論中得出的結論是錯誤的。因此，我的問題應該是：是否可以在 Windows 中并行（在不同的 CPU 上）運行進程或線程？