在我的理解中，在大多数情况下，驱动multi-threading编程的性能因素并非全部。 （无论Java还是Python）。
我在SO GIL上正在阅读此enlightening article。文章总结了python采用GIL机制;即只有single Thread可以在任何给定时间执行python byte code。
这使得single thread应用程序真的更快。
我的问题如下：
由于在给定点只提供一个Thread，multiprocessing或thread模块是否提供了克服GIL强加的限制的方法？如果没有，它们为进行真正的multi-task工作提供了哪些功能
在接受的答案中，上述帖子的评论部分提出了一个问题，但没有回答？我脑子里也有这个问题
^so at any time point of time, only one thread will be serving content to client...
so no point of actually using multithreading to improve performance. right?
答案 0 :(得分：9)
你是关于GIL的，没有必要使用多线程来进行CPU绑定计算，因为CPU只能由一个线程使用。
但是之前的陈述可能会引起你的注意：如果你的计算不受CPU限制，你可以利用多线程。
一个典型的例子是当你的应用程序花费大部分时间等待某事时。
许多非CPU绑定程序的例子之一： 假设您要构建一个Web爬虫，您必须抓取许多网站，并将它们存储在数据库中，成本倍数是多少？等待服务器发送数据，实际下载数据，并将其存储在数据库中，这里没有任何CPU绑定。在这里，您可以使用爬虫池而不是单个爬虫来获得更快的爬虫。通常情况下，一个网站几乎停机且响应速度很慢（~30秒），在此期间，单线程应用程序将等待网站，您将被卡住。在多线程应用程序中，其他线程将继续爬行，这很酷。
另一方面，由于每个进程有一个GIL，您可以使用多处理来进行CPU绑定计算。
作为旁注，它存在一些或多或少部分没有GIL的Python部分实现，我想提一个我认为很好地实现一些很酷的方法：pypy STM。您可以轻松找到，搜索＆＃34;摆脱GIL＆＃34;关于这个主题的很多线索。
答案 1 :(得分：2)
多处理侧面处理GIL问题，因为代码在单独的进程中运行，而GIL仅涉及单个进程。在一个进程中，多线程可能会更快到线程正在等待磁盘或网络等相对较慢的资源。
答案 2 :(得分：1)
快速谷歌搜索产生了这个信息丰富的幻灯片。 http://www.dabeaz.com/python/UnderstandingGIL.pdf
但是它未能向它展示所有线程都包含在进程中的事实。默认情况下，进程只能在一个CPU（或核心）上运行。因此，虽然基于每个进程的GIL确实管理了所述进程中的线程并且并不总是提供预期的性能，但它应该在大规模上比单线程操作执行得更好。
答案 3 :(得分：1)
GIL一直是python中的热门话题，但通常毫无意义。它使大多数程序更安全。如果您想要真正的计算性能，请尝试PyOpenCL。任何现代的真实世界高性能数字运算都应该在GPU上完成（openCL也可以在CPU上运行）。它没有GIL问题。
如果你想在python中进行多线程处理以提高I / O绑定性能，那么GIL不是问题。
最后，如果您想利用多个CPU来提高纯数字运算的性能，并采用pythonic方式，请使用多处理。
但它仍然没有在汇编中编码多线程应用程序那么快。祝你好运没有拼写错误。