啊，这个问题我之前也踩过坑！set_cpu_affinity并不是所有Python环境或操作系统都支持的——比如旧版本Python、Windows系统（Windows下对应的是SetProcessAffinityMask，joblib可能没做跨平台适配），才会抛出这个AttributeError。别慌，这里有几个靠谱的方案，能帮你实现类似GNU parallel的8核并行需求：

方案1：用GNU parallel直接在系统层面调度（最省心） #

既然你提到了GNU parallel，这其实是最不用折腾代码的办法。假设你的脚本叫my_script.py，直接在终端里运行以下命令，就能让它用8核并行执行：

# 如果脚本需要区分任务参数，比如给每个实例传不同的核心编号
parallel -j 8 python my_script.py ::: {0..7}

# 如果不需要参数，也可以这样写
seq 8 | parallel -j 8 python my_script.py

GNU parallel会自动帮你管理8个进程，把它们分配到不同的核心上，完全不用在Python代码里处理亲和性问题。

方案2：用multiprocessing手动设置CPU亲和性 #

如果一定要在Python代码里控制，可以用multiprocessing模块手动给每个子进程分配核心。注意不同系统的API有差异，下面是跨平台兼容的示例：

import multiprocessing
from datetime import datetime
from subprocess import call

def worker_task(core_id):
    # 获取当前进程对象
    current_proc = multiprocessing.current_process()
    
    # Linux/macOS 下设置亲和性
    if hasattr(current_proc, 'set_cpu_affinity'):
        current_proc.set_cpu_affinity([core_id])
    # Windows 下需要用win32api（需先安装pywin32：pip install pywin32）
    else:
        try:
            import win32api
            import win32process
            handle = win32api.GetCurrentProcess()
            # 用掩码设置单个核心，1 << core_id 代表第core_id个核心
            affinity_mask = 1 << core_id
            win32process.SetProcessAffinityMask(handle, affinity_mask)
        except ImportError:
            print("Windows下需安装pywin32才能设置CPU亲和性")
    
    # 这里写你的任务逻辑，比如调用外部命令
    call(["your_command_here"])

if __name__ == "__main__":
    # 创建8个任务，每个对应一个核心（编号0-7）
    with multiprocessing.Pool(processes=8) as pool:
        pool.map(worker_task, range(8))

方案3：用concurrent.futures替代joblib #

concurrent.futures是Python标准库的一部分，接口更简洁，同样可以手动设置亲和性：

from concurrent.futures import ProcessPoolExecutor
import multiprocessing
from datetime import datetime
from subprocess import call

def worker(core_id):
    proc = multiprocessing.current_process()
    if hasattr(proc, 'set_cpu_affinity'):
        proc.set_cpu_affinity([core_id])
    # 执行你的任务
    call(["your_command_here"])

if __name__ == "__main__":
    # 限制最大8个工作进程
    with ProcessPoolExecutor(max_workers=8) as executor:
        executor.map(worker, range(8))

方案4：调整Joblib的使用方式（保留Joblib） #

如果一定要用Joblib，可以在任务函数内部手动设置亲和性，绕开Joblib内部的进程管理逻辑：

from joblib import Parallel, delayed
import multiprocessing
from datetime import datetime
from subprocess import call

def task(core_id):
    proc = multiprocessing.current_process()
    if hasattr(proc, 'set_cpu_affinity'):
        proc.set_cpu_affinity([core_id])
    # 执行你的任务
    call(["your_command_here"])

if __name__ == "__main__":
    # 启用8个并行任务
    Parallel(n_jobs=8)(delayed(task)(i) for i in range(8))

总结一下：如果不想改代码，优先选GNU parallel；如果要在Python内处理，multiprocessing或concurrent.futures的手动设置方案兼容性更好。

内容的提问来源于stack exchange，提问作者ahmadkhalifa