为何单线程多线程Python代码比纯单线程快？多线程性能为何下降？

测试代码与结果 #

单线程实现 #

import time
import random

large_list = [random.randint(-100, 100) for _ in range(200000000)]
start_time = time.time()
total = 0
for n in large_list:
    total += n

print(total)
print(time.time() - start_time)

运行输出：

-1153397 # total sum
9.442509889602661 # time taken

多线程实现（可切换线程数） #

from multiprocessing.pool import ThreadPool

start_time = time.time()
_num_threads = 10
total = 0

del chunks

def partial_sum(chunk):
    total = 0
    for n in chunk:
        total += n
    return total

chunk_size = len(large_list) // _num_threads

chunks = [large_list[i * chunk_size: (i + 1) * chunk_size] for i in range(_num_threads)]

if len(large_list) % _num_threads != 0:
    chunks.append(large_list[_num_threads * chunk_size:])

# Calculate the partial sums in parallel
with ThreadPool(processes=_num_threads) as pool:
    partial_sums = pool.map(partial_sum, chunks)

total_sum = sum(partial_sums)

print(total_sum)
print(time.time() - start_time)

10线程运行结果（12核CPU）：

-1153397  # total sum (expected to be around zero)
8.065398454666138  # time taken

1线程运行多线程代码结果：

-1153397  # total sum (same as before)
5.773534536361694  # time taken

疑问 #

1. 为何多线程代码的单线程版本比纯单线程实现快得多？
2. 为何在12核CPU上增加线程数到10时性能反而下降？

解答 #

问题1：单线程多线程版本更快的原因 #

核心在于CPU缓存命中率的提升。
纯单线程版本遍历的是2亿元素的超大列表，内存地址跨度极大，CPU的L1/L2缓存无法有效缓存后续要访问的数据，频繁出现缓存失效，需要从内存中读取数据，速度很慢。
而多线程版本（即使单线程运行）会先把大列表分割成多个连续的小chunk，每个chunk的内存是连续的，遍历小chunk时，CPU缓存可以一次性加载更多后续元素，缓存命中率大幅提升，内存访问效率更高，所以整体运行时间更短。

问题2：10线程性能下降的原因 #

这是Python的**GIL（全局解释器锁）**导致的：
CPython解释器有一个全局锁，同一时刻只能有一个线程执行Python字节码。对于求和这种纯CPU密集型任务，多线程无法真正并行执行，各个线程只能轮流获得GIL执行任务，反而会增加线程上下文切换、线程池调度的额外开销。
你的12核CPU无法被多线程版本利用起来，因为GIL限制了Python线程的并行能力，额外的线程只会带来调度成本，导致整体运行时间比单线程多线程版本更长。如果要真正利用多核CPU，应该使用multiprocessing（多进程）而非多线程，因为每个进程有独立的Python解释器和GIL，可以真正并行执行。

内容的提问来源于stack exchange，提问作者Héctor Balsells Roure