如何并行运行两层嵌套for循环加速大尺寸矩阵创建

不需要用多进程提速。 你当前代码运行慢的核心原因是用纯Python双层循环做数值计算，完全没发挥NumPy的向量化加速能力，优化写法后单进程运行速度就能比原实现快上百倍，效率远高于多进程方案。

原代码存在的性能问题：

• 你生成的是经典希尔伯特矩阵，原实现通过两层Python循环逐元素计算、逐次append到列表，最后再转换为NumPy数组。Python循环的解释器调度开销、列表动态扩容开销、Python原生浮点数对象的运算开销叠加后，矩阵尺寸变大时性能会快速下降。
• 多进程本身存在进程启动、跨进程数据传输的固定开销，就算把行计算任务拆分到多个进程，最终的性能收益也远不如直接使用NumPy原生向量化操作，甚至可能因为额外开销比优化后的单进程速度更慢。

最优实现直接利用NumPy广播机制，一次性生成索引批量计算整个矩阵，不需要写任何显式循环：

import numpy as np

def createMatrix(n):
    idx = np.arange(1, n + 1)
    # 通过维度变换利用广播规则直接计算全矩阵元素
    return 1 / (idx.reshape(-1, 1) + idx - 1)

性能参考：该优化实现生成1000x1000矩阵仅需数毫秒，哪怕生成10000x10000尺寸的矩阵，速度也远快于原实现搭配多进程的方案。只有遇到确实无法向量化、单进程计算负载极高的场景时，才需要考虑用多进程拆分任务，当前场景完全没有引入多进程的必要。

内容的提问来源于stack exchange，提问作者ortunoa