python 多线程比顺序代码更快...为什么？

在许多有关 python 多线程的堆栈溢出问答中，我读到 python 有 GIL，因此多线程比顺序代码慢。

但在我的代码中它看起来并不像

这是多线程代码 代码已更新2023年2月21日

import threading
import time

global_v = 0
thread_lock = threading.Lock()


def thread_test(num):
    thread_lock.acquire()
    global global_v
    for _ in range(num):
        global_v += 1
    thread_lock.release()


# thread run
thread_1 = threading.Thread(target=thread_test, args=(9_000_000,))
thread_2 = threading.Thread(target=thread_test, args=(9_000_000,))
thread_3 = threading.Thread(target=thread_test, args=(9_000_000,))
thread_4 = threading.Thread(target=thread_test, args=(9_000_000,))
thread_5 = threading.Thread(target=thread_test, args=(9_000_000,))

thread_start = time.perf_counter()
# start thread
thread_1.start()
thread_2.start()
thread_3.start()
thread_4.start()
thread_5.start()
thread_end = time.perf_counter()

thread_1.join()
thread_2.join()
thread_3.join()
thread_4.join()
thread_5.join()
print(f"multithread run takes {thread_end-thread_start:.5f} sec")


# nomal run (sequential code)
def increment():
    global nomal_result

    for _ in range(45_000_000):
        nomal_result += 1


nomal_result = 0

start_time = time.perf_counter()
increment()
end_time = time.perf_counter()

print(f"nomal run takes {end_time-start_time:.5f} sec")

结果是

multithread run takes 0.21226 sec
nomal run takes 2.09347 sec

因此我的问题是这样的

Q1.为什么Python中的线程比顺序代码更快？

Q2。带锁的多线程和顺序代码有什么区别（我认为如果使用锁，代码的工作方式就像带阻塞的顺序代码）

请告诉我 ！

感谢您

蟒蛇版本3.8.10

附注我移动第三个问题Python多线程加锁速度更快，为什么？ https://stackoverflow.com/questions/75516141/python-multi-threading-with-lock-is-much-faster-why

看起来这是由 CPython 处理全局变量的方式引起的。这个顺序版本比我的机器上使用 CPython 3.11 的并发版本更快：

def increment():
    nomal_result = 0

    for _ in range(5_000_000):
        nomal_result += 1


nomal_result = 0

start_time = time.perf_counter()
increment()
end_time = time.perf_counter()

print(f"nomal run takes {end_time-start_time:.5f} sec")

因此，您的多线程代码并不比顺序代码快。性能差距可能是由于两个版本之间的 CPython 优化不同造成的，而且大多是无关紧要的。

GIL 不会阻止all代码有效地多线程。这是一个简单的反例：

import threading
import time


def thread_test():
    time.sleep(1.0)


thread_start = time.perf_counter()

thread_1 = threading.Thread(target=thread_test)
thread_2 = threading.Thread(target=thread_test)

thread_1.start()
thread_2.start()

thread_1.join()
thread_2.join()

thread_end = time.perf_counter()

print(f"Task duration: {thread_end - thread_start:.5f} sec")

相比：

import time


def thread_test():
    time.sleep(1.0)


thread_start = time.perf_counter()
thread_test()
thread_test()
thread_end = time.perf_counter()

print(f"Task duration: {thread_end - thread_start:.5f} sec")

多线程版本只需要1秒，而顺序版本需要2秒。

一般来说，大量调用 C 函数并释放 GIL 的代码（如 NumPy）和 IO 绑定的代码（网络调用）将受益于 Python 中的多线程。相反，CPU 密集型任务（例如您的代码）不会从中受益。