Почему пул и кешированный метод имеют почти одинаковое время выполнения?

Когда я запускаю код без lru_cache, я получаю этот результат. Что понятно

с мультипроцессором
время заняло 0.4375
без многопроцессорности
время заняло8.8125

Но когда я запускаю с помощью lru_cache, вот результат:
Тест1
с мультипроцессором
время заняло 0.34375
без многопроцессорности
время заняло 0.3125

Тест2
с мультипроцессором
времени ушло 3.234375
без многопроцессорности
время заняло 3.046875

Мы можем ясно видеть, что без многопроцессорности он почти равен или немного быстрее, чем многопроцессорный метод. В чем причина этого? Я понимаю, что процесс создания является накладным, но список работ очень велик (10 миллионов), поэтому я думаю, что размер фрагмента не слишком мал. Или я делаю это неправильно?

Объяснение кода:
odlist() берет число и возвращает сумму всех нечетных чисел в этом диапазоне
odcount — это кортеж, содержащий 10 миллионов случайных чисел.

Код:

import os
from random import randint
from functools import reduce
from operator import add
from multiprocessing import Pool
import time
from functools import lru_cache

@lru_cache(maxsize=None)
def oddlist(num):
    return reduce(add,(i for i in range(num) if i&1))


if __name__ == '__main__':
    oddcounts=tuple(randint(10,50) for i in range(10000000))
    print('with multiporcessing')
    s=time.process_time()
    with Pool(12) as p:
        mp=p.map(oddlist, oddcounts)
    e=time.process_time()
    print(f'time took {e-s}')
    print('witout multiporcessing')
    s=time.process_time()
    z=tuple(oddlist(i) for i in oddcounts)
    e=time.process_time()
    print(f'time took {e-s}')