CPU密集任务下Python多线程竟快于单线程？WSL Ubuntu独有异常

我们都知道CPython的GIL全局解释器锁机制：多线程无法真正利用多核CPU，同一时间只有一个线程能执行Python字节码，所以CPU密集型任务用多线程理论上应该比单线程更慢，多线程只适合处理I/O密集型场景。但在WSL Ubuntu环境的Python中做实验时，却出现了反常识的结果：

• 单线程执行CPU密集型任务平均耗时2.2秒
• 多线程执行平均耗时1.5秒（反而比单线程快）
• 多进程执行符合预期，平均耗时1秒（最快）

而且这个异常只出现在WSL Ubuntu中，其他环境下单线程速度确实比多线程更快。

下面是用于对比的三个实验代码：

示例1：单线程顺序执行任务 #

import time 
import math

nums = [ 8, 7, 8, 5, 8]

def some_computation(n):
    counter = 0
    for i in range(int(math.pow(n,n))):
        counter += 1

if __name__ == '__main__':
    start = time.time()
    for i in nums:
        some_computation(i)
    end = time.time()
    print("Total time of program execution : ", round(end-start, 4) )

示例2：多线程执行任务 #

import threading
import time 
import math

nums = [ 8, 7, 8, 5, 8]
def some_computation(n):
    counter = 0
    for i in range(int(math.pow(n,n))):
        counter += 1
    
if __name__ == '__main__':
    start = time.time()
    threads = []
    for i in nums: 
        x = threading.Thread(target=some_computation, args=(i,))
        threads.append(x)
        x.start()
    for t in threads:
        t.join()
    end = time.time()
    print("Total time of program execution : ", round(end-start, 4) )

示例3：多进程并行执行任务 #

from multiprocessing import Pool
import time
import math

nums = [ 8, 7, 8, 5, 8]
def some_computation(n):
    counter = 0
    for i in range(int(math.pow(n,n))):
        counter += 1

if __name__ == '__main__':
    start = time.time()
    pool = Pool(processes=3)
    for i in nums:
        pool.apply_async(some_computation, [i])
    pool.close()
    pool.join()
    end = time.time()
    print("Total time of program execution : ", round(end-start, 4) )

异常原因的可能方向 #

1. WSL的CPU调度特殊性 #

WSL2依赖Windows内核的调度器，和原生Linux的调度逻辑不同。当Python线程因GIL释放进入等待状态时，Windows调度器可能会把线程调度到不同的物理核心上。虽然GIL限制了同一时间只有一个线程执行Python代码，但如果线程切换时能利用不同核心的缓存，或者减少单线程独占核心时的热节流影响，反而可能降低整体耗时。

2. 简单计算任务的GIL开销极低 #

你的计算任务是纯循环累加，核心逻辑（range生成、整数加法）都是CPython底层的C实现，Python字节码占比极低。这种场景下，GIL的释放和切换开销几乎可以忽略，而多线程能利用CPU的超线程特性——WSL可能更好地适配了超线程调度，让多个线程在同一物理核心的不同逻辑核心交替执行，变相提升了执行效率。

3. 单线程的资源分配限制 #

WSL环境下，单线程进程可能没有被Windows调度器分配到完整的CPU时间片或核心资源；而多线程进程触发了调度器的资源调整，获得了更多的CPU执行时间，导致整体速度反超。

4. GIL释放机制的适配差异 #

CPython默认每隔100条字节码指令就会释放GIL，允许其他线程抢占。在WSL环境中，线程上下文切换的延迟比原生Linux更低，切换开销小于单线程持续执行时的隐性损耗（比如缓存失效），最终让多线程的整体耗时更短。

验证方法 #

可以通过以下操作进一步定位原因：

• 给计算任务加入更多Python级别的逻辑（比如字符串操作、对象实例化），降低C实现的占比，观察多线程是否回到比单线程慢的状态
• 用Windows任务管理器或htop（WSL内）观察不同实验的CPU核心使用情况，确认多线程是否真的利用了多个逻辑核心
• 通过sys.setcheckinterval()调整GIL释放间隔，对比执行时间的变化

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