我正在使用multiprocess在多个情况下运行复杂的python方法（单次运行大约需要3-5分钟）。我注意到，当我第一次启动该程序时，运行速度是正常的：我可以在30分钟内使用30个内核在5分钟内获得大约20-30个输出，但是随着时间的流逝，性能逐渐降低，例如，在某个时候，我在30分钟内只能得到5个输出。然后我杀死程序并重新运行它，然后它遵循相同的行为。可能是什么原因？是因为开销吗？我能做什么？请参阅以下有关并行程序的示例代码：我正在代码中读取泡菜（类实例）
multiprocess而且，当我打印出进程ID时，它在改变超时时间。这是预期的吗（使用新的进程ID启动了file_8）？输出类似于（如果使用5核）：
import multiprocess as mp
import os
import pickle
def run_all_cases(input_folder):
pickle_files = [x for x in os.listdir(input_folder)]
jobs = [(file, input_folder) for file in pickle_files]
num_process = max(mp.cpu_count()-1, 1)
with mp.Pool(processes=num_process) as pool:
pool.starmap(run_single_case, jobs)
def run_single_case(file_name, input_folder):
print(f"started {file} using {os.getpid()}")
data = pickle.load(input_folder + file_name)
# a complicated method in a class
data.run_some_method()
pickle.dump(data, f"{file_name.split("_")[0]}_output.pkl")
print(f"finished {file} using {os.getpid()}")
=================================>
更新：我深入研究了某些实例，这些实例在处理完之后就死了。当我运行单个实例后，在一段时间后，在终端上显示：
started file_1 using core 8001 started file_2 using core 8002 started file_3 using core 8003 started file_4 using core 8004 started file_5 using core 8005 finished file_1 using core 8001 started file_6 using core 8001 finished file_2 using core 8002 started file_7 using core 8002 started file_8 using core 8006 #<-- it starts a new process id, rather than using the existing ones, is this expected? finished file_3 using core 8003 ...我想这是问题所在：由于可能的内存问题（任何其他原因），进程被杀死，并且父进程没有启动新进程来继续运行作业，因此进程数随时间减少，因此我发现整体效果有所下降。
我正在使用多进程在多个情况下运行复杂的python方法（单次运行大约需要3-5分钟）。我注意到，当我第一次启动该程序时，运行速度是正常的：我可以...
尝试杀死不再使用的旧物品。它获得了新的进程ID，因为多处理启动了新进程，而这些新进程将获得自己的进程ID。在其运行期间，查看系统上所有正在运行的进程，并查看正在运行的python程序实例的数量与预期的数量。