内置的是多处理模块。multiprocessing.Pool类使用map和相关方法在多个CPU之间提供矢量化.但是这里需要权衡.如果必须在进程之间传递大量数据,那么这种开销可能会抵消多核的优势。使用合适的numpy版本。如果numpy是使用多线程ATLAS库构建的,则在遇到大问题时会更快。使用扩展模块,例如numexpr、parallelpython、corepy或CopenhagenVectorByteCode。请注意,线程模块在这方面并不是很有用.为了简化内存管理,全局解释器锁(“GIL”)强制一次只能有一个线程执行python字节码.但是,像numpy这样的外部模块可以在内部使用多个线程.中央处理器（CPU），是电子计算机的主要设备之一，电脑中的核心配件。其功能主要是解释计算机指令以及处理计算机软件中的数据。电脑中所有操作都由CPU负责读取指令，对指令译码并执行指令的核心部件。
程序是由指令构成的序列，执行程序就是按指令序列逐条执行指令。一旦把程序装入主存储器中，就可以由CPU自动地完成从主存取指令和执行指令的任务。
python由于GIL的关系，python的多
线程并没有发挥
多核的作用，这些线程都是在在单核上跑的所以要想发挥多核的作用，就需要使用多进程，尽可能的在每一个CPU核心上分配到一个python进程。所以要想跑满多核CPU就得多进程多线程互相结合
