为什么Python脚本使用threading多线程运行任务没有实现耗时减半？

核心原因：CPython全局解释器锁（GIL）限制 #

该现象是CPython环境下的典型表现，本质是GIL的机制导致纯CPU密集型任务无法通过threading模块实现多线程并行：

• GIL是CPython解释器内置的全局互斥锁，设计初衷是为了简化内存管理、保证线程安全。同一时间整个Python进程内仅允许1个线程执行Python字节码，哪怕设备有多核CPU，多线程也无法同时利用多核资源执行计算任务。
• 上述测试中的task属于纯CPU计算密集型任务，运行过程中几乎没有IO等待（比如网络请求、文件读写、休眠这类阻塞操作），全程都需要持有GIL才能执行。两个线程会交替抢GIL运行，不仅无法并行，还会额外产生线程调度、上下文切换的开销，所以最终耗时和串行执行接近，甚至可能略高于串行耗时。

多线程的适用场景 #

threading模块的多线程仅对IO密集型任务有明显提速效果：当线程处于IO阻塞等待状态时，会主动释放GIL，其他线程就可以拿到GIL执行自己的逻辑，从而提升整体运行效率。

CPU密集任务的提速方案 #

如果要给这类纯计算任务提速，可以用以下两种方案：

1. 改用multiprocessing模块实现多进程并行：每个进程会独立持有一套CPython解释器、独立的GIL，不同进程可以跑在不同CPU核心上，双进程跑这两个任务的话耗时基本会是串行的一半左右。
2. 使用无GIL的运行环境或编译型扩展：比如改用PyPy解释器运行代码，或者用Cython、Numba把计算逻辑编译为原生机器码，执行计算时可以主动释放GIL，也能实现多线程并行提速。

附测试代码 #

串行执行代码 #

def task(numbers):
    print(f"Starting")
    for number in numbers:
        number**number
task(range(10000))
task(range(10000))

多线程执行代码 #

import threading
from time import time

def task(numbers):
    for number in numbers:
        number**number

start = time()

t1 = threading.Thread(target=task, args=(range(10000),))
t2 = threading.Thread(target=task, args=(range(10000),))

t1.start()
t2.start()

t1.join()
t2.join()

end = time()
print(end - start)

内容的提问来源于stack exchange，提问作者Carlos Valdivia