多線程是否必然會降低運行時間？

Question

如果我有一系列CPU密集型操作，我的程序多線程是否必然會減少其運行時間？ 這樣做的權衡取舍是什么？ 在這種情況下，我正在嘗試計算一個非常大的矩陣的零空間。 我正在使用Python，特別是numpy包：

def nullspace(A, eps=1e-15):
    """Computes the null space of the real matrix A."""
    n, m = shape(A)
    if n > m :
        return nullspace(transpose(A), eps)
    _, s, vh = linalg.svd(A)
    s = append(s, zeros(m))[0:m]
    null_mask = (s <= eps)
    null_space = compress(null_mask, vh, axis=0)
    return null_space.tolist()

另外，我很想知道如何進行多線程這樣的功能。 提前致謝。

Answer 1

Python有全局解釋器鎖（GIL），它只允許一個線程一次與解釋器交互 - 實際上，這意味着你一次只能運行一個Python線程。 嘗試運行多個線程時，這是一個嚴重的缺點。

然而 ， numpy是建立在一個高度優化的數值線性代數庫之上，稱為LAPACK。 如果為系統安裝了正確版本的LAPACK，它將為您並行計算。 然后，您可以在LAPACK之上安裝numpy ，並且Python計算將被並行化。

這也意味着，許多numpy操作釋放GIL，這樣就可以把火關長numpy在Python線程運算，同時執行其他Python。 _{謝謝@JFSebastian。}

Answer 2

不可以。首先，由於Global Interpreter Lock，CPU綁定程序很少從Python中的線程中受益。

此外，在單核機器上，線程根本不會減少運行時間。

Answer 3

通常GIL是獲得多線程優勢的障礙，除非您的python解釋器進行計算（例如C實現）。 我不確定這是否與numpy 。

如果你運行的線程不是很多，你應該看看多處理模塊。 你將有一個單獨的系統進程而不是python線程。