为什么python多线程和队列不能帮助加速读取大量文件？

我正在编写一个Python程序，从本地文件系统读取大约110000多个文本文件，并将它们推送到MongoDB中。这是我的代码片段

类EmailProducer（threading.Thread）：

类EmailConsumer（threading.Thread）：

EmailProducer实例从本地文件系统读取文件，如果队列为空，则将其存储在队列中；EmailConsumer实例从队列中获取文件并将其推入Mongo。我还编写了相同功能的顺序版本。 我在我的Ubuntu12.0432位台式机上运行这两个程序，并使用I-5四核处理器对它们进行计时。多线程版本从1个生产者和7个消费者开始。然而，这两种方法都需要大约23.7秒的实时时间和21.7秒的用户时间。我原以为线程技术在这方面会有所帮助，但数字告诉我它没有帮助

---

有人对原因有什么见解吗

线程对于IO绑定的操作不是很有用。尤其是没有全局解释器锁。所以一次只能运行一个线程。我很惊讶没有线程它不会更快。查看使用或第三方库异步读取文件。

线程对于IO绑定的操作不是很有用。尤其是没有全局解释器锁。所以一次只能运行一个线程。我很惊讶没有线程它不会更快。请看使用或第三方库异步读取文件。

Python线程在某种程度上受到CPython中的限制，这可能会影响您的结果

---

所有C级扩展还需要在阻止外部资源时持有GIL。这意味着，如果您使用C层库（例如，与MongoDB对话），它可能会在操作时阻塞其他线程。（我不知道它是否会，只是它可能会。）

Python线程在某种程度上受到CPython中的限制，这可能会影响您的结果

---

所有C级扩展还需要在阻止外部资源时持有GIL。这意味着，如果您使用C层库（例如，与MongoDB对话），它可能会在操作时阻塞其他线程。（我不知道它是否会，只是可能会。）

单线程版本在我的测试中比线程版本好一点。单线程版本在我的测试中比线程版本好一点。可能限制来自硬盘驱动器。读取大量的小文件对硬盘来说是一项非常繁重的工作。可能限制来自硬盘。在硬盘上读取大量的小文件是非常费力的。

def __init__(self, threadID, queue, path):
    self.threadID = threadID
    self.queue = queue
    self.path = path
    threading.Thread.__init__(self)

def run(self):
    if (queue.empty()):
        files = os.listdir(self.path)
        print(len(files))
        for file in files:
            queue.put(file)

def __init__(self, threadID, queue, path, mongoConn):
    self.threadID = threadID
    self.queue = queue
    self.mongoConn = mongoConn
    self.path = path
    threading.Thread.__init__(self)
def run(self):
    while (True):
        if (queue.empty()):
            mongoConn.close()
            break
        file = queue.get()
        self.mongoConn.persist(self.path, file)