concurrent.futures未按预期实现多线程，CPU密集型任务提速失败求助

两个核心问题导致多线程没生效 #

1. 任务提交方式错误
   你写的 tpe.submit(burncpu()) 是直接在主线程里执行了 burncpu 函数，线程池根本没参与任务调度。正确的做法是把函数本身传给 submit，不要加括号，这样线程池才会去调度执行这个函数：

tpe.submit(burncpu)

2. 线程池不适合CPU密集型任务
   Python有个全局解释器锁（GIL），同一时间只能有一个线程执行Python代码，所以 ThreadPoolExecutor 只能用来加速IO密集型任务（比如爬网页、读文件），对CPU密集型任务完全起不到并行加速的作用。

正确的解决方案：用多进程 #

针对CPU密集型任务，应该用 ProcessPoolExecutor，它会创建独立的进程，每个进程有自己的GIL，能真正把任务分配到多个CPU核心上并行执行。

修改后的完整代码：

import time, random
from contextlib import contextmanager
from multiprocessing import cpu_count
import concurrent.futures as cf

@contextmanager
def timer():
    start = time.time()
    yield
    end = time.time()
    print(f"This code block executed in {round(end - start, 3)} seconds.")

def burncpu():
    for i in range(100000):
        x = random.gauss(0, 1)

# 单线程基准测试
with timer():
    for _ in range(100):
        burncpu()
        
print(f'I have {cpu_count()} cores available.')

# 多进程并行测试
with timer():
    with cf.ProcessPoolExecutor() as ppe:
        # 批量提交任务
        futures = [ppe.submit(burncpu) for _ in range(100)]
        # 等待所有任务完成
        cf.wait(futures)

运行这段代码后，你会看到执行时间比单线程版本大幅缩短，12个核心会被充分利用起来。

内容的提问来源于stack exchange，提问作者Nick