Python CPU密集型任务多线程GIL疑问：12线程耗时为何低于理论值？

你遇到的这个现象，核心原因是CPython的GIL（全局解释器锁）并非全程独占，而是存在周期性释放+竞争机制，加上底层优化和线程池调度的影响，导致实际总耗时远低于单纯的单线程耗时叠加值。

具体原因拆解： #

• GIL的周期性释放：CPython默认每执行1000字节码（可通过sys.getcheckinterval()查看）就会主动释放GIL，允许其他线程竞争获取锁执行。你的CPU密集型循环会频繁触发这个释放机制，多个线程可以在不同的字节码执行周期交替运行，而非完全串行。这种交替利用了CPU的空闲窗口（比如线程切换间隙、CPU超线程特性），整体压缩了总耗时。
• 底层字节码优化：代码中的i += 1在CPython字节码层面是一组指令，但解释器对整数操作有快速执行路径优化。当GIL切换后，后续线程的执行可以受益于缓存或优化后的执行逻辑，减少了重复开销，比单纯的单线程耗时累加更高效。
• 线程池的调度逻辑：你设置了n_jobs=8，意味着线程池会同时调度8个线程运行。虽然同一时间只有一个Python线程能执行字节码，但8个线程的交替竞争GIL，相比12个线程完全串行执行，能更充分地利用GIL释放的时间窗口，进一步降低总耗时。

补充验证建议： #

你可以尝试修改GIL的检查间隔（比如sys.setcheckinterval(1)），会发现总耗时可能进一步降低；如果把循环次数大幅增加，耗时也不会完全趋近理论值——只要有多个线程竞争GIL，交替执行的机制就会持续存在，总耗时始终会低于单纯的串行叠加值。

你的测试代码：

def cpu_bound():
  i = 0
  for _ in range(10000000):
    i += 1

内容的提问来源于stack exchange，提问作者kienpham