程式码在
https://ideone.com/3ZTGat
opencc是下面这个版本
https://pypi.org/project/opencc-python-reimplemented/
环境是python3.8, windows8.
#1 result = []
#2 for i in range(total):
#3 res = pool.apply_async(self.func1, args=(i,))
#4 result.append(res)
#5 pool.close()
#6 #pool.join()
#7 self.aa = OpenCC('s2twp')
1. 如果self.aa有设值，程式跑完需要16秒
2. self.aa拿掉的话0.13秒就跑完
3. 如执行pool.join()，结果是0.18秒
4. 把#7把放pool.join前面，并执行pool.join()，结果16秒
5. 把#7加到__init__，并执行pool.join()，结果16秒
6. 把self.aa = OpenCC(..)改成 aa=OpenCC(..), 0.1x秒
感觉只要apply_async的任务跑完前，把OpenCC指给self，就会卡卡的，
问题感觉是出在opencc, 请问有可能是什么原因？
opencc只有一只py档，就下面这只
https://github.com/yichen0831/opencc-python/blob/master/opencc/opencc.py

不懂和multiprocessing有什么关系

的确没关系

不懂和multiprocessing有什么关系

的确没关系

开multiprocess 成本很高 开了是要丢大量运算 平行化的效果才显现得出来

没有大量运算用multiprocess反而会变慢

在linux下面跑，最花时间的是24行，拿掉就0.1x秒不过满不固定的，你原始的code有时候也会0.1X秒如果你把self.func1移出a，最慢的情况会变成0.3X印象位置multiprocess你传object进去，他会复制整份a，包含a.test 时间差异应该从这边找应该会有些结果

map的时候会pickle method, 刚好你传的是bound method会把整个object一起pickle 然后传到child process又刚好pickle是在get的时候才call你可以试试看print(len(pickle.dumps(self.func1)))一开始想成copy on write

开multiprocess 成本很高 开了是要丢大量运算 平行化的效果才显现得出来

没有大量运算用multiprocess反而会变慢

在linux下面跑，最花时间的是24行，拿掉就0.1x秒不过满不固定的，你原始的code有时候也会0.1X秒如果你把self.func1移出a，最慢的情况会变成0.3X印象位置multiprocess你传object进去，他会复制整份a，包含a.test 时间差异应该从这边找应该会有些结果

map的时候会pickle method, 刚好你传的是bound method会把整个object一起pickle 然后传到child process又刚好pickle是在get的时候才call你可以试试看print(len(pickle.dumps(self.func1)))一开始想成copy on write

你要考虑跑 process 起来的代价跟考虑他会活多久

楼楼上正解