Yiru@Studio

為什麼多執行緒在 CPU 密集任務中無法加速？

當你在 Python 中使用 threading（多執行緒）來執行計算任務時，你預期它能同時在 CPU 的多個核心上運行，從而加速。
但 GIL（全局解譯器鎖）的存在，會強制所有 Python 執行緒排隊，它們只能輪流執行。因此，在這個計算量大的範例中，多執行緒的總耗時會與單執行緒差不多，甚至更久（因為還有切換執行緒的額外開銷）。

想像你的餐廳只有一個廚師（CPU 核心）和一個料理台（GIL 鎖）。

• 多執行緒 (Threading) 就像你雇用了 10 個幫手，但他們都必須擠在同一個料理台上輪流切菜、煮湯。由於料理台（GIL）限制，他們無法同時做飯，導致速度並沒有快 10 倍。
• I/O 任務 (網路/讀寫文件) 就像是「等快遞」——當一個幫手去等快遞時，他會禮貌地把料理台讓給別人，這時速度才會提升。

範例程式碼:

import time
import threading

def cpu_intensive_task(name, n):
    """模擬廚師在料理台（CPU）上專心切菜的計算任務"""
    
    print(f"廚師 {name}: 開始切 {n} 顆洋蔥...")
    
    # 這是純計算，會被 GIL 鎖住
    count = 0
    for i in range(n):
        count += i * i 
        
    print(f"廚師 {name}: 切完了！")
    return count

N = 5000000 # 較大的計算量

# --- 模式一：單執行緒 (一位廚師從頭做到尾) ---
start_single = time.time()
cpu_intensive_task("A", N)
cpu_intensive_task("B", N) # 兩份工作依序完成
end_single = time.time()
print(f"\n單執行緒總耗時: {end_single - start_single:.4f} 秒")

# --- 模式二：多執行緒 (兩位廚師搶一個料理台) ---
thread1 = threading.Thread(target=cpu_intensive_task, args=("C", N))
thread2 = threading.Thread(target=cpu_intensive_task, args=("D", N))

start_multi = time.time()
thread1.start()
thread2.start() # 兩份工作看似同時開始，但實際是輪流佔用 CPU
thread1.join()
thread2.join()
end_multi = time.time()
print(f"多執行緒總耗時: {end_multi - start_multi:.4f} 秒")

# 觀察結果：你會發現兩種模式的總耗時非常接近，證明了 GIL 的限制。

Yiru@Studio - 關於我 - 意如