如题，我在测试 ctypes 释放 GIL 的过程中发现这个问题，即使使用 c 代码将 GIL 释放，多线程并行的效率并不是比如我有 N 个线程那么程序的运算能力就变成 N 倍。即使线程之间完全没有资源竞争问题，这个是令我很意外的一个点。
我觉得可能的原因是线程之间始终要进行一些状态同步，那 OK 我使用多进程总归是完全隔离了吧，结果测试结果没有太大变化，令人大跌眼镜。
我理解上，进程互相之间完全独立，如果你的物理计算资源足够（比如我使用的 CPU 是 8 核心 16 线程的），那么你运行 8 个独立的进程，他们应该是互相完全独立，速度互不干扰的，但实验结果并非如此，请问一下 v 友们之中有没有大佬能解释一下原因，谢谢。
=====
测试代码如下，因为我无法上传 DLL，使用递归菲波那切数列模拟 CPU 密集型任务。这会使多线程执行时间线性增长，但理论不应影响到多进程。另外以下实验代码中使用子进程的方式，我担心可能是子进程状态同步导致的效率损失，但实际手动在 shell 中启动多个不同进程，实验结果没有区别。
以下使用的进程池 /线程池都经过了预激。
from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor, as_completed
import time
def pre_activate(times):
time.sleep(times)
def execution():
def fib(n):
if n<=1:
return 1
return fib(n-1) + fib(n-2)
for i in range(20):
fib(30)
if __name__ == "__main__":
core_num = 8
st_time = time.time()
execution()
single_execute_time = time.time() - st_time
print(f"Single thread execute time: {round(single_execute_time,4)} s")
with ThreadPoolExecutor(max_workers=core_num) as executor:
# pre-activate {core_num} threads in threadpoolexecutor
pre_task = [executor.submit(pre_activate, times) \
for times in [0.5 for _ in range(core_num)]]
for future in as_completed(pre_task):future.result()
st_time = time.time()
tasks = [executor.submit(execution) for _ in range(core_num)]
for future in as_completed(tasks):future.result()
print(f"Multi thread execute time: {round(time.time() - st_time,4)} s",
f", speedup: {round(core_num * single_execute_time / (time.time() - st_time),2)} x")
with ProcessPoolExecutor(max_workers=core_num) as executor:
#
pre_task = [executor.submit(pre_activate, times)
for times in [0.5 for _ in range(core_num)]]
for future in as_completed(pre_task):future.result()
st_time = time.time()
tasks = [executor.submit(execution) for _ in range(core_num)]
for future in as_completed(tasks):future.result()
print(f"Multi Process execute time: {round(time.time() - st_time,4)} s",
f", speedup: {round(core_num * single_execute_time / (time.time() - st_time),2)} x")
我的本地执行结果是：
Single thread execute time: 4.117 s
Multi thread execute time: 32.888 s , speedup: 1.0 x
Multi Process execute time: 12.1088 s , speedup: 2.72 x
无论更换哪些 CPU 密集型任务，speedup 几乎很难提升到 3 倍以上，即使使用 8 核心并行计算，为什么？
这个结果同时让我想起一些以前的跑分经验，比如进入异步时代以后使用 gunicorn 单线程部署一个 web 服务通常 echo 可以做到每秒钟两万次以上，但使用 prefork 的多进程，也不过将这个数值提升 2-2.5 倍，并不能提升很多，以前没有细究，现在觉得不太对
这是一个专为移动设备优化的页面（即为了让你能够在 Google 搜索结果里秒开这个页面），如果你希望参与 V2EX 社区的讨论，你可以继续到 V2EX 上打开本讨论主题的完整版本。
V2EX 是创意工作者们的社区，是一个分享自己正在做的有趣事物、交流想法，可以遇见新朋友甚至新机会的地方。
V2EX is a community of developers, designers and creative people.