python中的多线程

python代码的执行是由python虚拟机进行控制的。尽管python解释器中可以运行多个线程，但是在任意给定时刻只有一个线程会被解释器执行。

对python虚拟机的访问是由全局解释器锁（GIL）控制的。这个锁就是用来保证同时只能有一个线程运行的。因此，在 python中无法通过多线程来利用多个 CPU同时处理任务，以达到应用加速的目的。下面通过两个测试程序可以验证这个问题。

我的处理器有 8个核，因此在多线程测试中一共创建 8个线程来处理任务，这里的任务特指：使用递归求解斐波拉契数。

多线程版本代码：

#!/usr/bin/env python

import threading
from time import time

def foo(n):
	if n < 2:
		return 1
	return foo(n - 2) + foo(n - 1)

def main():
	threads = []
	n_process = 8
	n = 36

	for i in range(0, n_process):
		t = threading.Thread(target=foo, args=(n,))
		threads.append(t)

	start = time()
	for i in range(0, n_process):
		threads[i].start()

	for i in range(0, n_process):
		threads[i].join()

	end = time()
	print("start: %f, end: %f, cost: %f" % (start, end, end - start))


if __name__ == "__main__":
	main()

运行时间：

$ python3 ./python/multi_thread/main.py
start: 1687413176.686146, end: 1687413199.358464, cost: 22.672318

单线程版本代码：

#!/usr/bin/env python

from time import time

def foo(n):
	if n < 2:
		return 1
	return foo(n - 2) + foo(n - 1)

def main():
	n_process = 8
	n = 36

	start = time()
	for i in range(0, n_process):
		foo(n)

	end = time()
	print("start: %f, end: %f, cost: %f" % (start, end, end - start))


if __name__ == "__main__":
	main()

运行时间：

$ python3 ./python/multi_thread/main2.py
start: 1687413202.103315, end: 1687413223.906954, cost: 21.803639

从上面的例子可以看到，由于 python虚拟机是单线程（GIL）的原因，对于计算密集型任务，多线程无法起到应用加速的目的，只有程序在执行I/O密集型的任务时才能更好地发挥 python多线程的并发行（I/O释放了GIL，可以允许更多的并发）。对于计算密集型任务，为了实现更好的并行性，需要使用多进程，以便让 CPU的其他核来同时处理任务。

参考资料：
Python核心编程：第3版 /（美）春（Chun, W.）著；孙波翔，李斌，李晗译.