Почему многопоточность в Python обычно не ускоряет CPU-bound задачи?

Question

Многопоточность в Python ограничена Global Interpreter Lock (GIL), который позволяет выполнять байткод только одному потоку одновременно. Поэтому CPU-bound задачи не получают реального параллелизма. Потоки полезны для IO-bound задач, где поток ожидает ввода-вывода. Для CPU-bound задач чаще используют multiprocessing.

YeaHub · Accepted Answer

В CPython существует механизм GIL — глобальная блокировка интерпретатора.ОпределениеGIL — это механизм, который гарантирует, что в один момент времени байткод Python выполняет только один поток.Что происходит при CPU-bound задачахЕсли несколько потоков:выполняют вычисленияактивно используют CPUто они:конкурируют за GILчасто переключаютсяне выполняются параллельноЭто может даже замедлить программу.Когда потоки эффективныМногопоточность полезна:сетевые запросыработа с файламиожидание ответаПример IO-bound:# потоки ждут сеть, CPU свободен
Как ускорить CPU-bound задачиИспользуют:multiprocessingC-расширенияNumPyПример multiprocessing:from multiprocessing import Pool
ВыводМногопоточность в Python не ускоряет CPU-bound задачи из-за GIL. Для параллельных вычислений используется multiprocessing.