可能最明智的做法是multiprocessing.Pool根据系统上可用的最大内核数生成一个工作进程池，然后在内核可用时基本上提供任务。
标准文档（http://docs.python.org/2/library/multiprocessing.html#using-a-pool-of- workers）中的示例显示，您还可以手动设置核数：
from multiprocessing import Pool
def f(x):
return x*x
if __name__ == '__main__':
pool = Pool(processes=4) # start 4 worker processes
result = pool.apply_async(f, [10]) # evaluate "f(10)" asynchronously
print result.get(timeout=1) # prints "100" unless your computer is *very* slow
print pool.map(f, range(10)) # prints "[0, 1, 4,..., 81]"
而且multiprocessing.cpu_count()，如果代码中需要的话，也很容易知道有一种方法可以计算给定系统上的内核数。
编辑：这是一些看起来适合您的特定情况的代码草案：
import multiprocessing
def f(name):
print 'hello', name
if __name__ == '__main__':
pool = multiprocessing.Pool() #use all available cores, otherwise specify the number you want as an argument
for i in xrange(0, 512):
pool.apply_async(f, args=(i,))
pool.close()
pool.join()
602392714
清零编程群