Python多线程请求为何比串行执行更慢？

我正在学习Python线程相关知识，了解到线程适合处理IO密集型任务。但我编写了一个从API拉取股票价格的简单脚本后，发现多线程代码的运行速度反而比串行代码慢。以下是测试代码及结果：

import requests
import os
from threading import Thread
import time


api_key = os.getenv('ALPHAVANTAGE_API_KEY')
url = 'https://www.alphavantage.co/query?function=OVERVIEW&symbol={}&apikey={}'
symbols = ['AAPL', 'GOOG', 'TSLA', 'MSFT', 'BABA','AAPL', 'GOOG', 'TSLA', 'MSFT', 'BABA','AAPL', 'GOOG', 'TSLA', 'MSFT', 'BABA','AAPL', 'GOOG', 'TSLA', 'MSFT', 'BABA','AAPL', 'GOOG', 'TSLA', 'MSFT', 'BABA','AAPL', 'GOOG', 'TSLA', 'MSFT', 'BABA']
results = []


def get_price(symbol):
    print(f'getting {symbol} price')
    response = requests.get(url.format(symbol, api_key))
    results.append(response.json())


print("Timer started...")
threads = [Thread(target=get_price,args=(symbol,))for symbol in symbols]


if __name__=='__main__':

# run_tasks()
    start = time.time()
    for thread in threads:
        thread.start()

    for thread in threads:
        thread.join()

    # for symbol in symbols:
    #     get_price(symbol)

    end = time.time()
    total_time = end - start
    print("It took {} seconds to make {} API calls".format(total_time, len(symbols)))

多线程代码输出：It took 19.715637922286987 seconds to make 30 API calls
串行代码输出：It took 15.80090594291687 seconds to make 30 API calls

请问有人能解释这一现象的原因吗？

出现这种反直觉的结果，核心原因如下：

• API服务限流
  像Alpha Vantage这类免费API通常会有请求频率限制，当你用多线程一次性发起大量请求时，服务端会识别到高频请求，主动延迟响应甚至临时限制你的访问速度，反而不如串行请求能稳定获取正常响应效率。加上你重复请求了相同的股票代码，服务端可能进一步放慢响应速度。

• 线程开销抵消优势
  Python线程虽轻量，但创建30个线程的初始化开销、线程间的切换成本不可忽视。如果单个API请求的IO等待时间没有足够覆盖这些开销，多线程的优势就无法体现，甚至拖慢整体速度。

• 并发数失控导致资源竞争
  一次性启动30个线程同时请求，会导致本地网络栈瞬间处理大量并发连接，引发资源竞争和阻塞，反而不如串行请求能有序利用网络资源。

• GIL的次要影响
  虽然IO密集型任务会释放GIL，但线程启动、切换时仍会涉及GIL的竞争。如果单个请求的IO等待时间较短，GIL切换的开销会被放大，抵消多线程的优势。

优化建议 #

• 限制并发线程数，比如用ThreadPoolExecutor设置5-10个最大工作线程，避免触发API限流。
• 移除重复的股票代码，减少不必要的API调用。
• 尝试异步请求框架（如aiohttp），异步模型在IO密集型任务上的开销通常比线程更低。

内容的提问来源于stack exchange，提问作者Musa