Python多线程能否用于计算密集型任务？实测案例求解答

首先先明确一个大家常说的结论：
纯Python代码无法同时利用多CPU核心，但调用Numpy等C编写的库时可实现多核利用

你提到之前听说“GIL限制下Python多线程不是真正的多线程”“仅适合IO密集型任务”，但自己的实测却得到了计算密集型任务的3倍加速，CPU全核心跑满——这其实完全符合CPython的运行逻辑，核心在于GIL的作用范围：

关于GIL的核心要点 #

GIL（全局解释器锁）是CPython解释器的一个机制，它的限制是：同一时间只能有一个线程执行纯Python字节码。但这里有个关键例外：当线程调用的是用C/C++编写的扩展库函数时，这些函数通常会临时释放GIL，让其他线程可以同时执行；更重要的是，很多这类C扩展库（比如Numpy、Scipy的核心计算模块）本身就支持多核并行，会直接利用多个CPU核心完成计算。

你的实测结果解释 #

看你的代码，核心计算部分都是依赖Numpy和Scipy的函数：

import threading
import time
import numpy as np
from scipy import interpolate

number_list = list(range(10))
def image_interpolation():
    while True:
        number = None
        with threading.Lock():
            if len(number_list):
                number = number_list.pop()
        if number is not None:
            # 生成一张模拟图像——你可以替换为自己的图像
            image = np.ones((20000, 20000))
            # 创建原始数组（省略额外维度）
            orig = np.random.rand(12800, 16000)
            # 创建坐标；x为水平方向
            x = np.linspace(0, image.shape[1], orig.shape[1])
            y = np.linspace(0, image.shape[0], orig.shape[0])
            # 创建插值函数
            f = interpolate.interp2d(x, y, orig, kind='linear')
        else:
            return 1

workers=5
thd_list = []
t1 = time.time()
for i in range(workers):
    thd = threading.Thread(target=image_interpolation)
    thd.start()
    thd_list.append(thd)
for thd in thd_list:
    thd.join()
t2 = time.time()
print("total time cost with multithreading: " + str(t2-t1))

number_list = list(range(10))
for i in range(10):
    image_interpolation()
t3 = time.time()
print("total time cost without multithreading: " + str(t3-t2))

你的输出结果：

total time cost with multithreading: 112.71922039985657
total time cost without multithreading: 328.45561170578003

这些np.random.rand、interpolate.interp2d都是C实现的核心函数，执行时会释放GIL：

1. 多个线程可以同时调用这些函数，不会被GIL卡住；
2. 这些函数本身（比如Numpy的随机数生成、Scipy的插值）可能会利用OpenBLAS、MKL这类多核线性代数库，直接占用多个CPU核心。

这就是为什么你的多线程实现了接近3倍的加速，并且CPU全核心跑满。

你的问题答案 #

1. Python多线程能否应用于计算密集型任务？ #

• 如果你的计算密集型任务核心逻辑依赖于释放GIL的C扩展库（比如Numpy、Scipy、PyTorch、TensorFlow等），那么多线程可以有效利用多核，实现明显加速；
• 如果是纯Python代码编写的计算（比如纯Python循环处理数据、自定义计算逻辑），GIL会限制同一时间只有一个线程执行，多线程无法实现多核并行，这时应该用multiprocessing模块的多进程来利用多核。

2. Python中多线程/多核能否同时运行？ #

• 执行纯Python字节码时：不行，GIL限制同一时间只有一个线程运行，无法利用多核；
• 执行释放GIL的C扩展库代码时：可以，此时GIL被释放，多个线程可以同时执行这些C代码，而且很多C扩展库本身支持多核并行，能让多个CPU核心同时工作。

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