为何下述Python多线程代码无法实现线程并行执行?
问题核心定位
你遇到的多线程无法并行的现象,和代码里的互斥锁mutex没有任何关系,根因完全来自CPython的运行时机制:
- GIL对C扩展CPU密集计算的强阻塞
你调用的math.factorial是CPython内置的C扩展实现,在执行千万级大数阶乘这类长耗时计算时,会全程持有全局解释器锁(GIL),既不做常规的时间片轮转让出执行权,也不会主动释放GIL给同进程的其他Python线程。哪怕其他线程已经从time.sleep(2)中唤醒,想要重新抢回执行权,也必须等持有GIL的线程完全结束计算、把锁释放出来才行。 - 不对称的计算量放大了阻塞感知
按照你的参数逻辑:奇数编号的线程需要计算factorial(100000000),单次计算耗时可达数秒;偶数编号的线程计算的是factorial(0),属于纳秒级的瞬时操作,完全不会造成阻塞。你的线程是按编号从0到4依次启动的,所有偶数线程启动后因为计算太快,几轮循环过后很快就进入2秒睡眠状态,直到第一个奇数线程拿到GIL开始跑大计算,就会持续霸占GIL,其余所有线程都没法获得执行机会,看起来就像所有线程都在等这个奇数线程跑完。
常见认知误区
你可能误以为代码里的mutex锁限制了并行,但实际上这把锁只包裹了两行print输出逻辑,完全没有覆盖阶乘计算的核心环节。哪怕把所有with mutex:的代码全部删掉,这个阻塞现象也不会有任何改善。
可行的修正方向
- 把C实现的大计算换成纯Python写的循环逻辑,纯Python字节码会按固定间隔触发GIL轮转,能看到线程交替打印的效果,但这类CPU密集任务的总执行时间和单线程没有本质区别,依然是伪并行。
- 把大计算任务拆分到独立子进程中运行,每个进程有独立的解释器空间和GIL,才能真正实现这类CPU密集任务的并行计算。
- 如果必须在多线程环境下跑这类计算,可以替换为支持计算过程中主动释放GIL的第三方计算库,避免单线程长期霸占全局锁。
内容的提问来源于stack exchange,提问作者limonchellka
相关产品推荐
相关产品推荐

