Python多进程并行示例未达预期耗时，实际超2秒问题排查

你的代码逻辑本身是对的，预期两个并行进程各休眠1秒，总耗时接近1秒，但实际跑出来2秒多，主要是以下几个技术细节导致的：

1. 操作系统的进程启动机制差异 #

Windows系统下，multiprocessing默认使用spawn启动方式：每次创建新进程时，都会启动一个全新的Python解释器实例，重新导入整个脚本模块，这个过程会产生显著的额外开销。而教程大概率是在Linux/macOS环境下测试的——这类系统默认用fork方式启动进程，它会直接复制父进程的内存空间，进程创建开销极小，总耗时自然更接近1秒。

2. 进程创建的固定开销 #

哪怕是并行执行，创建两个独立进程本身需要消耗时间：包括分配系统资源、加载代码、初始化运行环境等。这部分开销是串行产生的（先创建p1，再创建p2），会直接叠加到总运行时间里，导致总耗时超过理论上的1秒。

3. time.sleep的精度限制 #

time.sleep(1.0)并不保证精确休眠1秒，它只是告诉操作系统“至少休眠1秒”。实际休眠时间会受系统调度优先级、当前系统负载影响，可能略长于1秒。两个进程的休眠延迟累积起来，也会让总时间增加。

4. 控制台输出的锁竞争 #

代码中的print操作在多进程环境下，Python会自动加全局锁来避免输出内容混乱。多个进程同时执行print时，会产生锁竞争，额外消耗少量时间。

验证与优化建议 #

• 如果你用的是Windows，可以尝试用multiprocessing.Pool复用进程（避免重复创建进程的开销），比如：

  import multiprocessing
  import time
  
  def do_something():
      print('Sleeping...')
      time.sleep(1.0)
      print('Done sleeping!')
  
  if __name__ == '__main__':
      start = time.perf_counter()
      with multiprocessing.Pool(processes=2) as pool:
          pool.map(do_something, [1,2])
      finish = time.perf_counter()
      print('Time', finish-start)
  

  复用进程后，总耗时会更接近1秒。
• 若在Linux/macOS环境下运行你的原代码，你会发现总耗时基本符合教程的预期。

内容的提问来源于stack exchange，提问作者mauro