python多进程运行可以使函数运行在程序主进程以外，减少主进程的调用，并且可以加速子进程的运行速度
  为了测试多进程的加速效果，我们可以通过创建一个包含计算密集型任务的函数，并使用多进程来并行执行这些任务。我们将对比单进程和多进程执行的时间。

以下是改进后的代码，包括时间测量和改进的多进程池处理：
函数要在

import multiprocessing
import os
import time


def add(input):
    a = 0
    for _ in range(1000000):  # 模拟计算密集型任务
        a += input
    return a
if __name__ == '__main__':

    # 配置多进程环境
    os.environ['OMP_NUM_THREADS'] = '1'
    mp_context = multiprocessing.get_context('spawn')
    pool = mp_context.Pool(processes=4)  # 使用 4 个进程

    # 输入数据
    args = [(i,) for i in range(4)]  # 输入格式为 [(args,), (args,), ...]

    # 单进程执行
    start_time = time.time()
    single_process_results = [add(arg[0]) for arg in args]
    single_process_time = time.time() - start_time
    print(f"单进程执行时间: {single_process_time:.2f} 秒")
    print(f"单进程结果: {single_process_results}")

    for i in range(3):
        multi_process_results = pool.starmap(add, args)
    # 多进程执行
    start_time = time.time()
    multi_process_results = pool.starmap(add, args)
    multi_process_time = time.time() - start_time
    print(f"多进程执行时间: {multi_process_time:.2f} 秒")
    print(f"多进程结果: {multi_process_results}")

    pool.close()
    pool.join()

    # 比较单进程和多进程的执行时间
    speedup = single_process_time / multi_process_time
    print(f"加速比: {speedup:.2f}")