NumPy默认单核运行因底层BLAS库线程数未启用；需在导入前设置OMP_NUM_THREADS、MKL_NUM_THREADS等环境变量或用threadpoolctl控制，否则多进程反而降低性能。

NumPy 在多核 CPU 上无法跑满所有核心，不是因为写得不好，而是因为它默认不自动开满线程——背后是底层 BLAS 库的线程策略 + Python 层未显式启用并行。

---

np.dot 等运算为什么只用 1 个核心？

• NumPy 的矩阵乘、SVD、Cholesky 等重计算操作，实际调用的是链接的 BLAS 库（如 Intel MKL、OpenBLAS、Apple Accelerate）；
• 这些库本身支持多线程，但默认线程数常为 1，尤其在未设置环境变量或未调用初始化函数时；
• 例如：Linux 下 conda 安装的 PyTorch/NumPy 默认链接 MKL，但若没设 MKL_NUM_THREADS，就只用单线程；
• macOS 上部分 NumPy 构建使用 Accelerate 框架，它不响应 MKL_NUM_THREADS，也不暴露 OpenMP 控制接口。

常见现象：

• np.dot(A, B) 跑起来只占一个核心 100%，其余核心 idle；
• np.linalg.inv 或 np.eig 同样慢且单核；
• 用 psutil.cpu_percent(percpu=True) 观察，只有索引 0 的核心跳变，其他恒为 0。

---

如何让 NumPy 真正用上全部 CPU 核心？

必须显式配置底层 BLAS 的线程数，且要在 NumPy 导入前或首次调用前生效：

• 设置环境变量（推荐，在脚本开头或 shell 中）：

  立即学习“Python免费学习笔记（深入）”；

  

  macOS UI 自动化技能包 —— 用 Python 控制你的 Mac

  让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限

  下载
  • export OMP_NUM_THREADS=8（通用，影响 OpenMP 后端）
  • export OPENBLAS_NUM_THREADS=8（仅 OpenBLAS）
  • export MKL_NUM_THREADS=8（仅 Intel MKL，conda 默认）

• 或在 Python 中动态设置（注意：必须在 import numpy 之前）：

  import os
  os.environ["MKL_NUM_THREADS"] = "8"
  os.environ["OMP_NUM_THREADS"] = "8"
  os.environ["OPENBLAS_NUM_THREADS"] = "8"
  import numpy as np

• 验证是否生效：

  import numpy as np
  a = np.random.randn(4000, 4000)
  b = np.random.randn(4000, 4000)
  %timeit np.dot(a, b)  # 观察耗时下降 + 多核 CPU 利用率跃升

---

为什么 np.set_num_threads() 不起作用？

• numpy 没有 np.set_num_threads() 这个函数（那是 PyTorch 的）；
• 常见误操作：把 torch.set_num_threads(8) 当成 NumPy 接口，结果完全无效；
• 更隐蔽的坑：Jupyter 中先 import numpy，再设环境变量 → 已加载的 BLAS 实例不会重新读取变量，必须重启 kernel。

---

和 multiprocessing 一起用会冲突吗？

会，而且很典型：

• 主进程开了 MKL_NUM_THREADS=8，又用 ProcessPoolExecutor(max_workers=4) 启 4 个子进程；
• 每个子进程又继承了环境变量，各自再开 8 线程 → 总共 32 线程争抢缓存和内存带宽；
• 结果：CPU 利用率可能飙到 300%（Linux top 显示），但实际耗时反而比单进程更长。

解决办法：

• 子进程中强制限制 BLAS 线程为 1：

  def worker_task(data):
    import os
    os.environ["MKL_NUM_THREADS"] = "1"
    os.environ["OMP_NUM_THREADS"] = "1"
    import numpy as np
    return np.dot(data, data.T)

• 或用 threadpoolctl（更干净）：

  from threadpoolctl import threadpool_limits
  with threadpool_limits(limits=1, user_api="blas"):
    result = np.linalg.svd(x)

真正跑满 CPU，靠的不是“加进程”，而是在单次 BLAS 调用里填满物理核心；否则就是 8 个进程各占 1 核，不如 1 个进程打满 8 核来得高效。