将 GILed Python 程序限制在单个 CPU 上会提高性能吗？

Question

继 David Beazley 的关于 Python 和 GIL 的论文之后，限制Python 程序（带 GIL 的 CPython 等）到基于 Windows 的多核系统中的单个 CPU？

它会提高性能吗？

更新：假设使用多个线程（不确定是否有区别）

Answer 1

该论文确实暗示，将程序限制为单核可以提高特定情况下的性能。但是，您需要处理许多问题：

1. 他的测试主要针对计算密集型线程，而不是 IO 绑定线程。如果您使用的线程经常自动阻塞（例如在等待客户端的 Web 服务器中），那么您根本不会遇到 GIL 问题。
2. GIL 问题专门处理线程，而不是进程。我可能读错了你的问题，但你似乎是在问将所有 Python 程序限制为单个核心。使用进程进行并行的程序不会遇到 GIL 问题，并且将它们限制为单个核心会使它们变慢。
3. GIL 在 Python 3.2 中截然不同（正如 David 在 此视频。GIL 已被明确更改以处理此类问题。虽然仍然存在问题，但它没有 。

时，您才会希望通过强制操作系统将程序限制为单核来使您的生活变得复杂

1. 多线程
2. 计算密集型
3. 总而言之，只有当您运行低于 Python 3.2 的

多核机器上的程序。

Answer 2

偏差：对于涉及繁重 CPU 处理的并行计算，我非常喜欢
与线程编程相比，更喜欢消息传递和协作进程
（当然，这取决于问题）

你不应该将你的程序限制在一个核心上。 Beazley 只是演示了一个特定问题，该问题在这些独特条件下（这些条件是 IO 绑定线程和 CPU 绑定线程相互竞争）表现不佳。理想情况下，您希望通过使用不同的方法（导入多处理）来避免这些情况。

我认为最好的解决方案是使用多处理模块将 CPU 绑定任务放入其他进程中，以便它们利用自己的内核，并将 IO 绑定任务放入线程（或微线程/协程，如果您阅读了他的有趣论文：http://www.dabeaz.com/coroutines/），因为 GIL 最适合这些类型的任务。

结论：Python 线程最适合 IO 密集型任务，而非 CPU 密集型任务。