它们将同时运行,但不会实际上是“并行”的。操作系统会频繁地在两个线程之间切换,以便它们都能完成工作。这就是所谓的“并发”;一个线程不需要等待另一个线程完成才能开始工作。但由于GIL的存在,它们永远不会真正同时运行,在不同的核心上并行运行。每个线程将运行一段时间,暂停一下,让另一个线程运行,然后再开始运行,然后暂停,依此类推。
如果您只运行示例代码,很容易看到这一点。以下是我的机器上的输出:
hello
hi
hello
hi
hello
hi
hello
hi
hello
hi
hello
hi
hello
hi
hello
hi
hello
hi
显然,两个线程都在运行。每个线程的运行速度比程序中只有一个线程运行时慢。
考虑这个例子,其中每个线程计算斐波那契数列:
import thread
import time
def fib(n):
if n <= 1:
return n
return fib(n-1) + fib(n-2)
def test():
while True:
start = time.time()
out = fib(32)
print "hello %s: %s" % (out, str(time.time() - start))
def test2():
while True:
out = fib(20)
def start_thread():
try:
thread.start_new_thread( test2,() )
except:
print "Error: Unable to start thread"
test()
仅运行test
(没有第二个线程)时,我得到以下输出:
hello 2178309: 0.953778982162
hello 2178309: 0.954975128174
hello 2178309: 0.95578789711
hello 2178309: 0.949182033539
如果我也将
test2
在后台启动,那么会得到如下结果:
hello 2178309: 4.07990288734
hello 2178309: 4.08523893356
hello 2178309: 2.51651597023
hello 2178309: 2.13291287422
hello 2178309: 2.19885015488
正如你所看到的,性能受到了巨大的影响。
请注意,如果其中一个线程正在执行释放GIL的操作 - 比如阻塞I/O或调用释放GIL的C库 - 你将不会看到这种性能下降,因为在这种情况下,两个线程实际上可以并行运行。但是,在上面的示例中,由于两个线程都没有执行释放GIL的工作,因此不适用该规则。
multiprocessing
生成后台进程来处理计算,只要 IPC 开销不超过避免 GIL 的好处。但如果您想让多个线程进行计算,那么绝对应该使用进程。 - dano