为何Thread.start()启动缓慢？大量线程启动停滞问题排查

你的代码出现停滞的原因主要有两个核心问题：

1. 超出系统线程资源上限 #

你尝试创建100万个线程，但任何操作系统能支持的线程数量都是有限的：

• 每个线程都需要独立的栈空间（Python默认线程栈大小在Linux下通常是8MB左右），100万个线程仅栈空间就需要8TB内存，这显然远远超出了普通机器的硬件极限。
• 操作系统的进程调度、线程管理也有自身的上限，当线程数量达到系统能承载的临界点时，新的线程无法被创建，程序就会陷入停滞状态。

2. 内存瞬间耗尽 #

你的load函数中print(list(range(1000000000)))会生成一个包含10亿个整数的列表：

• 每个Python整数对象在64位系统中大约占用28字节，10亿个整数需要的内存超过25GB，这会直接耗尽机器的可用内存，甚至触发虚拟内存交换，导致系统彻底卡顿，后续线程根本没有机会启动执行。

修复建议 #

针对你的测试需求，可以做以下调整：

• 大幅减少线程数量：测试多线程性能不需要创建百万级线程，而且Python的GIL（全局解释器锁）会限制CPU密集型任务的并行效率，过多线程反而会增加调度开销。比如改成10~100个线程。
• 修改load函数避免内存爆炸：如果只是测试线程启动耗时，不需要生成超大列表，比如改成：

  def load():
      # 用循环代替生成超大列表，减少内存占用
      total = 0
      for i in range(1000000000):
          total += i
      print(total)
  

• 使用线程池管理线程：借助concurrent.futures.ThreadPoolExecutor来自动控制线程数量，避免手动创建线程的资源浪费：

  from concurrent.futures import ThreadPoolExecutor
  
  def load():
      total = 0
      for i in range(1000000000):
          total += i
      print(total)
  
  def init_threads(numThreads):
      print('Starting thread init function')
      with ThreadPoolExecutor(max_workers=numThreads) as executor:
          for i in range(numThreads):
              executor.submit(load)
  
  init_threads(10)
  

内容的提问来源于stack exchange，提问作者Jon Zavialov