Python中的多线程：大多数情况下真的效率高吗？
根据我有限的理解，通常情况下，编程中使用多线程主要是为了提高性能，但并不是所有情况都是这样（无论是Java还是Python）。
我在阅读这篇关于全局解释器锁（GIL）的文章时，发现了一些有趣的内容。文章总结说，Python采用了GIL机制，也就是说，在任何时候只有一个线程可以执行Python字节码。这使得单线程的应用程序运行得非常快。
我有一个问题：
既然在某个时刻只能有一个线程在工作，那么多进程或线程模块是否提供了克服GIL限制的方法？如果没有，它们提供了什么功能来实现真正的多任务处理呢？
在上面帖子评论区有人问了这个问题，但没有人回答。我心里也有同样的问题。
^so at any time point of time, only one thread will be serving content to client...
so no point of actually using multithreading to improve performance. right?
4 个回答
GIL在Python中总是一个热门话题，但其实大多数时候没什么实际意义。它让大部分程序更加安全。如果你想要真正的计算性能，可以试试PyOpenCL。现在的高性能计算大多应该在GPU上进行（而且OpenCL也可以在CPU上运行）。这样就不会有GIL的问题。
如果你想在Python中使用多线程来提高I/O操作的性能，GIL就不是问题了。
最后，如果你想利用多个CPU来提升纯计算的性能，并且想用Python的方式来实现，可以使用多进程。
不过，这样的速度还是比不上用汇编语言编写多线程应用程序。祝你好运，不要打错字哦。
快速在网上搜索了一下，找到了这个很有用的幻灯片。http://www.dabeaz.com/python/UnderstandingGIL.pdf
不过，它没有提到一个重要的事实，那就是所有的线程都是在一个进程里面的。而一个进程默认只能在一个CPU（或者说核心）上运行。所以虽然GIL（全局解释器锁）在每个进程中管理这些线程，并不总是能提供预期的性能，但在大规模的情况下，它的表现通常会比单线程操作要好。
多进程可以绕过GIL的问题，因为代码是在一个单独的进程中运行的，而GIL只关心单个进程。在一个进程内部，如果有多个线程在运行，当这些线程在等待一些比较慢的资源，比如磁盘或网络时，使用多线程可能会更快。
你说得对，GIL（全局解释器锁）确实让多线程在进行CPU密集型计算时没什么意义，因为CPU只能被一个线程使用。
不过，前面的说法可能让你明白了：如果你的计算不是CPU密集型的，那就可以利用多线程。
一个典型的例子是，当你的应用程序大部分时间都在等待某些事情时。
有很多不是CPU密集型程序的例子：比如说你想做一个网络爬虫，你需要爬取很多网站，并把它们存储到数据库里。什么地方耗时呢？就是在等服务器发送数据、实际下载数据和把数据存到数据库里，这里并没有什么CPU密集型的操作。在这种情况下，使用多个爬虫会比用一个单独的爬虫更快。比如说，有一个网站几乎崩溃，响应非常慢（大约30秒），在这段时间里，单线程的应用程序会一直在等这个网站，你就卡住了。而在多线程的应用程序中，其他线程可以继续爬取其他网站，这样就很不错了。
另一方面，由于每个进程只有一个GIL，你可以使用多进程来进行CPU密集型计算。
顺便提一下，确实有一些部分实现的Python版本是没有GIL的，我想提到一个我认为很有前途的项目：pypy STM。你可以通过搜索“摆脱GIL”找到很多关于这个话题的讨论。