为何Python多线程未提升程序运行速度？

1. Python GIL（全局解释器锁）的限制 #

你的任务属于CPU密集型计算（大量求和、除法运算），而Python的线程受GIL约束：同一时间只有一个线程能执行Python字节码，多线程无法真正利用多核CPU并行计算，反而会因为线程切换带来额外开销，导致效率不升反降。

2. 伪并行：两个线程池是串行执行的 #

你代码里的两个ThreadPoolExecutor是先后运行的——第一个with块执行完毕后，才会启动第二个线程池。这意味着整个"并行"阶段实际上是串行跑了两组线程任务，完全没有同时利用多线程的优势。

3. 代码缩进错误导致的潜在问题 #

list1和list2的定义缩进错误，被放在了dissect2函数内部的return语句之后，这部分代码永远不会被执行，实际运行时会抛出NameError。你能运行成功应该是实际代码中缩进是正确的，但这个错误会导致逻辑异常。

4. 任务量完全一致，串行无切换开销 #

并行阶段和串行阶段的任务量完全相同（都是处理range(1,9999)的所有元素），串行执行没有线程切换的额外开销，所以耗时甚至比并行略短。

1. 改用多进程（ProcessPoolExecutor）处理CPU密集型任务 #

多进程可以绕过GIL，真正利用多核CPU并行计算，把注释掉的ProcessPoolExecutor启用，替换ThreadPoolExecutor：

from concurrent.futures import ProcessPoolExecutor  # 启用多进程
# from concurrent.futures import ThreadPoolExecutor

import time

values = range(1,9999)

list1 = range(0, 99999999)
list2 = range(0, 99999999)

def dissect1(qq):
    adding    = sum(list1[qq:qq+100000])
    averaging = adding / len(list1[qq:qq+100000]) 
    return adding,averaging

def dissect2(qq):
    adding = sum(list2[qq:qq+100000])
    averaging = adding / len(list2[qq:qq+100000])
    return adding,averaging

if __name__ == '__main__':
    tic = time.time()

    # 同时启动两个进程池并行执行
    with ProcessPoolExecutor(max_workers=8) as exe1, ProcessPoolExecutor(max_workers=8) as exe2:
        result = exe1.map(dissect1, range(1,5000))
        result2 = exe2.map(dissect2, range(5000,9999))

    toc = time.time()
    print(f'Parallel execution, completed in {toc - tic} seconds')

    for v in values:
        a,b = dissect1(v)  

    tac = time.time()
    print(f'Serial execution, completed in {tac - toc} seconds')

2. 合并任务，减少线程/进程池的创建开销 #

可以把dissect1和dissect2合并为一个函数，统一处理不同的列表，避免创建多个池：

def dissect(qq, target_list):
    adding = sum(target_list[qq:qq+100000])
    averaging = adding / len(target_list[qq:qq+100000])
    return adding, averaging

# 调用时传入不同列表
with ProcessPoolExecutor(max_workers=16) as exe:
    tasks = [(qq, list1) for qq in range(1,5000)] + [(qq, list2) for qq in range(5000,9999)]
    results = exe.map(lambda x: dissect(*x), tasks)

3. 修复缩进错误 #

确保list1和list2的定义在函数外部，避免未定义的错误。

内容的提问来源于stack exchange，提问作者Matthias Ho