python多线程效率不升反降的小实验

原创已于 2023-05-10 21:59:23 修改 · 167 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#python #开发语言

于 2023-05-10 21:50:59 首次发布

该文通过一个简单的数学运算示例，比较了单线程循环与多线程同步执行的速度差异。在Python中，由于全局解释器锁（GIL）的存在，多线程在CPU密集型任务上可能无法实现预期的性能提升。文中编写了两个函数，一个使用单线程，另一个使用多线程，每个线程处理运算次数的一部分，最后汇总结果。实验结果显示，尽管理论上多线程应快于单线程，但由于GIL的影响，实际执行速度并未显著提升。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

单线程循环1+1+1....加999999*5遍

多线程将1 - 999999*5拆成段同步执行后，结果相加，理论速度快5倍，实际结果大家可以运行试试看

据说是PY的GIL锁导致多线程程序实际以单线程在执行。。

import timeit
from threading import Thread, current_thread

n = 0
t = 5  #线程数
re = [0] * t   #线程结果池
p = [0] * t    #线程状态池
da = 0

#多线程执行函数
def fun():
    global n
    global t
    global re
    global p
    global da
    size = 999999*t     #运算次数
    _s = 0
    _e = 0
    for s in range(t):
        _s = _s
        _e = _s + int(size/t)
        p[s] = Thread(target=subfun, args=(_s,_e,s)).start()    #开启线程
        _s = _e + 1

    while True:
        if p.count(1)==t:               #判断线程池不存在为0的未执行完毕线程
            #print("--所有线程结束！--")
            for l in range(len(re)):
                da += re[l]            #各线程运算结果相加
            return

#线程执行分段函数
def subfun(m=0,e=0,rb=0):
    global re
    r = 0
    #print("--线程",rb,"执行--",str(m),str(e))
    for i in range(m,e):
        r = r + 1
    re[rb] = r
    #print("--线程",rb,"执行结果：",re[rb])
    p[rb] = 1                #线程执行完毕，状态从0设置为1

单线程执行函数
def fun2():
    global t
    size = 999999 * t
    da = 0
    for i in range(size):
        da += 1

#多线程执行计时
result = timeit.timeit(fun,number=1)
print("多线程@time:",result,"da=",da)

#单线程执行计时
result = timeit.timeit(fun2,number=1)
print("单线程@time:",result,"da=",da)

运行结果：