Python2与Python3多线程CPU占用率差异原因咨询

CPython的GIL（全局解释器锁）确实会限制纯Python代码的多线程并行能力，但Python 2和Python 3的GIL实现逻辑存在本质区别，这就是测试结果出现差异的核心原因：

两种GIL调度机制的核心区别 #

• Python 2.7采用基于字节码计数的抢占式GIL调度：默认每执行100条Python字节码（对应sys.getcheckinterval()的默认返回值100），当前持锁线程就会被迫释放GIL，供其他等待线程竞争。这个实现有个广为人知的缺陷：在多核心CPU上，会频繁出现GIL颠簸现象——刚释放GIL的线程往往会在当前运行的核心立刻重新抢到锁，其他核心上等待GIL的线程会持续自旋空转等锁。操作系统统计CPU占用时，会把这部分无意义的自旋等待时间算入CPU消耗，因此在2核机器上会看到接近200%的占用，但实际上同一时间只有一个线程在真正执行Python代码，多出来的CPU消耗全是锁竞争带来的无效开销，实际计算效率甚至比单线程还低。
• Python 3.2及之后版本（包括测试用的3.8.1）完全重写了GIL实现，换成固定时间片调度+优化的锁唤醒机制：默认GIL持有时间片为5毫秒（可通过sys.getswitchinterval()查询配置），同时新增了等待线程的休眠唤醒逻辑，彻底避免了多核心下的无意义自旋——等锁的线程不会占着CPU空转，只有当前持锁线程主动释放锁、或者时间片到期时才会被唤醒参与竞争。因此在纯CPU密集的双死循环测试场景里，同一时间只会用满1个CPU核心，总占用稳定在100%左右，不会产生额外的空转消耗。

测试场景补充说明 #

测试用的while 1: pass是最典型的无IO纯CPU密集场景：

• Python 2.7下看到的近200%CPU占用不是真正的多核心并行，只是锁竞争带来的无效消耗，代码实际运行速度并不会比单线程更快。
• 不管是Python2还是Python3，CPU密集型任务都无法靠多线程利用多核心，要跑满多核必须用multiprocessing多进程模块绕开GIL限制。

内容的提问来源于stack exchange，提问作者Joey.Chang