Python multiprocessing.Manager命名空间-性能下降？

Question

我正在使用Python多重处理将任务拆分为多个进程。我的CPU有4个物理核和8个虚拟核。我希望所有内核的利用率均为100％，但是当使用4个子进程池时，我在1个内核上观察到100％，在3个内核上观察到9％multiprocessing.Manager Namespace。子进程仅从共享名称空间读取（而不是写入）。也许共享的命名空间不允许并发读取访问-我是否需要以某种方式指定不应进行锁定？

在我的实际代码中，共享命名空间很大，包括大列表和numpy数组，因此另一个原因可能是创建它所需的时间。共享命名空间是只创建一次，还是每次创建新的子进程时都创建（假设命名空间中的数据没有变化）？

示例代码：

import multiprocessing
import worker
mgr = multiprocessing.Manager()
multiProcShared = mgr.Namespace()
multiProcShared.a = 25
multiProcShared.b = 40
multiProcShared.c = 10
pool = multiprocessing.Pool(4)
allResults = []
max = xrange(100)
for segmentNum in max:
    allResults.append(pool.apply_async(worker.worker, args=(multiProcShared, segmentNum)))

更新：我怀疑由于我正在将大数据传递给子进程，因此数据切换可能会产生大量开销。我认为数据是先腌制然后再腌制？如果是这样，那么python多处理性能是否会随着传递给子进程的数据大小而降低？是否根据数据是通过共享名称空间还是通过函数参数传递来更改？