如何在Python中正确模拟CPU密集型长耗时函数？

你之前用time.sleep(5)模拟CPU密集型任务是错误的，因为time.sleep属于IO阻塞操作，执行时会主动释放GIL（全局解释器锁），多个线程可以同时进入休眠状态，最终总耗时和单个任务差不多，体现不出GIL对CPU密集型任务的限制。

要正确模拟CPU密集型任务，需要编写持续占用CPU执行计算的代码，这类操作不会释放GIL，线程池中的多个任务只能交替执行，总耗时会接近单个任务耗时的倍数。

以下是符合要求的实现示例：

import time
from datetime import datetime

def cpu_bound_task():
    start_time = datetime.now()
    print(f"Started at {start_time}")
    
    # 控制任务运行约5秒，通过密集计算占用CPU
    target_end = start_time.timestamp() + 5
    while time.time() < target_end:
        # 执行无意义但消耗CPU的运算（比如大整数幂运算）
        _ = 2 ** 1000000
    
    finish_time = datetime.now()
    print(f"Executed at {finish_time}")

用线程池测试的代码：

import concurrent.futures

with concurrent.futures.ThreadPoolExecutor(max_workers=2) as executor:
    executor.submit(cpu_bound_task)
    executor.submit(cpu_bound_task)

运行这段代码后，总耗时会接近10秒——因为GIL的存在，两个CPU密集型线程无法真正并行，只能交替占用CPU资源，最终总耗时是单个任务耗时的近似两倍。

如果用多进程池ProcessPoolExecutor测试，总耗时会接近5秒，因为多进程不受GIL限制，能真正并行执行CPU密集型任务。

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