Windows10下Scipy的spsolve函数性能远逊于MacOS的问题咨询

我之前遇到过几乎一模一样的情况，结合你的描述——MacOS跑spsolve时CPU满负载、29秒搞定，Windows却只用到20%CPU还耗时377秒，大概率是Windows版本的SciPy没启用多线程线性代数库优化导致的。下面拆解原因和具体解决步骤：

核心原因分析 #

• MacOS上的SciPy默认会链接Apple专门优化过的Accelerate框架，里面的BLAS/LAPACK实现能充分压榨CPU多核性能；
• Windows默认通过pip安装的SciPy，往往用的是未做多核优化的参考版BLAS/LAPACK，导致spsolve只能单线程或少量线程运行，自然跑不快，CPU占用也上不去。

具体解决办法 #

1. 替换为带优化线性代数库的SciPy版本 #

先卸载当前的SciPy，改用conda安装优化版：

# 卸载现有SciPy
pip uninstall scipy -y

# 用conda安装（如果没装conda，先装Miniconda/Anaconda）
conda install scipy -c conda-forge

conda-forge提供的SciPy会自动链接OpenBLAS或MKL（根据环境适配），这两个都是原生支持多线程的线性代数库，能让spsolve充分利用所有CPU核心。

2. 手动强制多线程（针对OpenBLAS） #

如果安装后CPU占用还是没拉满，可以设置环境变量强制OpenBLAS用全核心：
在Windows命令提示符里，先执行再跑脚本：

set OPENBLAS_NUM_THREADS=8  # 替换成你的CPU核心数，比如MacBook Pro 15一般是8核

或者直接在Python脚本开头添加：

import os
os.environ['OPENBLAS_NUM_THREADS'] = '8'  # 提前设置多线程参数

3. 验证优化效果 #

运行脚本时打开Windows任务管理器，观察CPU占用率是否接近100%。如果从20%拉满，说明优化生效，运行时间会大幅缩短（基本能追平MacOS的速度）。

额外排查点 #

• 确保Windows和MacOS用的是同版本的SciPy和NumPy，版本差异也可能带来性能偏差；
• 检查Windows下矩阵A的加载状态，确认是稀疏矩阵格式（从你的代码看直接读取.mat的稀疏矩阵，大概率没问题）。

附上你的测试代码（方便其他人复现问题）：

from scipy import array, linalg, dot
import scipy.io as sio
import numpy as np
import time
from scipy.sparse.linalg import spsolve

matrix_names = ['cfd1']
for matrice in matrix_names:
    mat = sio.loadmat('/matrix_path/%s' % matrice)
    A = mat['Problem']['A']
    A = A[0][0]
    matrix_size = np.shape(A)[0]
    xe = np.ones(matrix_size)
    b = A * xe
    start = time.time()
    X = spsolve(A, b)
    end = time.time()
    print("Times %.6f sec" % (end-start))

内容的提问来源于stack exchange，提问作者Fabrolly