尽管存在GIL，多线程仍可加速CPU密集型任务
尽管存在GIL，多线程仍可加速CPU密集型任务
提问于 2020-08-10 11:50:58
我最近了解了python中的GIL。我做了一些基准测试，发现多线程确实提高了性能。我比较了不使用任何内部多线程的基于元素的NumPy操作。在第一个测试中，我从for循环中连续调用函数32次。在第二种情况下，我使用多线程。但如果GIL正在工作，在第二种情况下，一次应该只有一个线程处于活动状态，因此执行时间应该大致相等(在第二种情况下，由于多线程开销，情况会更糟)。这不是我所观察到的。
import os
import threading
import numpy as np, time
def elemntwiseoperations(a,b):
np.exp(a)+np.sin(b)
N=1024
a=np.random.rand(N,N)
b=np.random.rand(N,N)
NoTasks=32
start_time = time.time()
for i in range(NoTasks):
elemntwiseoperations(a,b)
print("Execution time for {} tasks: {} seconds, {} seconds per task".format(NoTasks,time.time() - start_time,(time.time() - start_time)/NoTasks))
threads=[]
start_time = time.time()
for i in range(NoTasks):
x = threading.Thread(target=elemntwiseoperations,name=''.format(i),args=(a,b))
x.start()
threads.append(x)
for process in threads:
process.join()
print("Execution time for {} tasks: {} seconds, {} seconds per task".format(NoTasks,time.time() - start_time,(time.time() - start_time)/NoTasks))输出：
Execution time for 32 tasks: 0.5654711723327637 seconds, 0.01767103374004364 seconds per task
Execution time for 32 tasks: 0.17153215408325195 seconds, 0.005360409617424011 seconds per taskP.S. MAC os，python 3.7.6，Cpython实现。
回答 1
Stack Overflow用户
回答已采纳
发布于 2020-08-10 22:25:44
因此，我目前最好的猜测是:在第一种情况下，一个线程按顺序启动C例程。它等待每一个都完成，然后才开始新的一个。因为我只使用了在numpy中没有并行化的元素级操作，所以在整个过程中只涉及一个线程。
在第二种情况下，我调用了32个虚拟线程，每个线程都受到GIL的影响。第一个线程启动C例程并将GIL控制权交给第二个线程，第二个线程启动C例程并将控制权交给第三个线程，依此类推。尽管C例程不是同时调用的，但它们都是并发执行的，因为C不受GIL的影响。
我不知道如何检查它，但这是我在读了几篇关于GIL的python博客后对它的理解。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/63333899
复制相关文章
相似问题
腾讯云开发者
