Python多线程：多线程能否提升纯计算型for循环的性能？

你的测试结果看似矛盾，但其实核心原因和Python的GIL（全局解释器锁）特性、代码的实际执行逻辑有关，下面拆解说明：

1. 核心假设的偏差 #

你认为多线程只适合I/O密集型场景，这个结论在纯Python字节码实现的CPU密集型任务下成立，但如果任务中包含大量C扩展实现的操作（比如list.append），情况会有所不同。

2. 多线程版本更快的原因 #

CPython的GIL在执行Python字节码时会强制单线程，但当执行C语言实现的内置操作（比如list.append、基础数值计算）时，解释器会临时释放GIL，允许其他线程并行执行。你的代码中，append(i * 10)的核心操作：

• i*10是简单数值运算，由C实现
• list.append是C级别的原子操作

这意味着多个线程可以在执行这些C操作时同时利用多核CPU资源，从而缩短总执行时间。而单线程版本的嵌套循环，每一层循环的控制逻辑都需要执行Python字节码，开销相对更高；多线程版本的任务拆分+并行执行C操作的优势，抵消了线程调度的额外开销，最终总耗时更短。

3. 代码的潜在隐患 #

虽然本次测试结果可复现，但代码存在线程安全风险：l_是多线程共享的列表。好在list.append在CPython中是原子操作，不会出现数据丢失或列表结构损坏；但如果换成insert这类非原子的列表操作，就会引发线程安全问题。

总结 #

你的测试结果是正确的，之所以和“多线程不适合CPU密集型”的常规认知冲突，是因为你的任务核心操作多为C实现，GIL会临时释放，让多线程获得了一定的并行加速效果。如果你的代码全是纯Python字节码的复杂计算（比如自定义逻辑循环），多线程版本的执行时间会和单线程接近甚至更长。

内容的提问来源于stack exchange，提问作者Xiang