Python中threading多线程为何无法提升计算任务执行速度？

你观察到的多线程耗时高于串行的现象，是CPython解释器的全局解释器锁（GIL） 机制导致的，属于Python多线程的核心特性，不是线程调用逻辑写错了。

• GIL的核心规则：日常安装使用的官方CPython解释器中存在一把全局互斥锁，同一进程内同一时刻永远只有一个线程能执行Python字节码。哪怕设备是多核CPU，Python多线程也无法在CPU密集型场景下实现真正的并行执行。
• 你的测试任务属性：你写的task函数是两层嵌套循环做数值计算，属于典型的CPU密集型任务——整个执行过程全程占用CPU做运算，不会主动释放GIL。多线程运行时，多个线程会频繁争抢GIL所有权，线程上下文切换、锁争抢都会产生额外的性能开销，这类额外开销在纯计算场景下占比很高，最终总耗时必然比全程无切换、一直持有GIL运行的串行执行更高。
• Python多线程的适用场景：只有IO密集型任务（比如读写磁盘、发送网络请求、调用sleep()等待）用多线程才会提速，这类任务在等待IO响应时会主动释放GIL，允许其他线程趁这个间隙执行，避免CPU空等。

如果要给这类纯计算的CPU密集型任务做并行加速，不要用threading模块，改用multiprocessing多进程模块即可：多进程模式下每个进程都有独立的解释器实例和独立的GIL，能真正调用多核CPU实现并行计算，不会受GIL限制。

你的测试代码如下：

from time import sleep, perf_counter
from threading import Thread

def task(id):
    print(f'Starting the task {id}...')
    for i in range(1, 1000):
        for j in range(1, 1000):
            b=(i**2)/(i*j**3)
    print(f'The task {id} completed')

############## sequential ##############

start_time = perf_counter()
for n in range(1, 11):
    task(n)
end_time = perf_counter()
print(f'sequential took {end_time- start_time: f} second(s) to complete.')

##########E Multi-threading ##########

start_time = perf_counter()
threads = []
for n in range(1, 11):
    t = Thread(target=task, args=(n,))
    threads.append(t)
    t.start()
for t in threads:
    t.join()
end_time = perf_counter()
print(f'multi-threaded took {end_time- start_time: f} second(s) to complete.')

验证提示：你可以把task里的两层循环换成sleep(1)模拟IO等待，再跑一次对比，就会发现多线程版本耗时只需要1秒多，远低于串行版本的10秒多，这就是Python多线程真正能发挥作用的场景。

内容的提问来源于stack exchange，提问作者b3hn4m