import time
from multiprocessing import Pool
from tqdm import tqdm
import pandas as pd
import matplotlib.pyplot as plt
def run(i):
    count=0
    for j in range(100000):
        count+=j*j
    return count

    
def test(cpu_count):
    main_start = time.time() #記錄主程序開始的時間
    with Pool(cpu_count) as p:
            #results = p.map(self.run, range(params_list_len))
        results = list(p.map(run, range(1000)))
    main_end = time.time()  #記錄主程序結束時間
    return main_end-main_start

cup_time_list=[]
for i in range(1,25):
    print(i)
    now_time=test(i)
    cup_time_list.append([i,now_time])
cpu_time=pd.DataFrame(cup_time_list)
plt.plot(list(cpu_time[0]),list(cpu_time[1]))
plt.title("the relationship between the cup_num and computing time consume",color='red') 
plt.show()
 

在本地的４核的ubuntu上執行的結果：

在伺服器上，12核的運算結果如下：

非嚴謹結論：在４核的情況下，跑兩個程序是最快的，在12核的情況下，跑６個程序是最快的。都是理論的程序數的一半，難道是因為這兩臺電腦真正的核數分別是２，和６，４和１２是從真正核切割出來的？懵逼中