以下是一个使用Python并行处理任务的示例代码，其中每个任务都需要比单个任务长的时间。

import time
from concurrent.futures import ThreadPoolExecutor, as_completed

def process_task(task):
    print(f"开始处理任务 {task}")
    # 模拟任务所需时间
    time.sleep(3)
    print(f"完成任务 {task}")

def parallel_process(tasks):
    with ThreadPoolExecutor() as executor:
        # 提交任务到线程池
        futures = [executor.submit(process_task, task) for task in tasks]

        # 获取已完成的任务
        for future in as_completed(futures):
            try:
                result = future.result()
            except Exception as e:
                print(f"处理任务时发生错误: {e}")

if __name__ == "__main__":
    tasks = [1, 2, 3, 4, 5]
    parallel_process(tasks)

在上述代码中，我们使用了ThreadPoolExecutor来创建一个线程池，并使用submit方法将每个任务提交到线程池。每个任务都通过process_task函数来处理，其中使用time.sleep()模拟任务所需的时间。

通过并行处理任务，可以同时处理多个任务，从而缩短总体处理时间。请注意，由于线程池中的线程是有限的，因此如果任务数量很大，可能需要考虑使用ProcessPoolExecutor来使用多个进程进行并行处理。