Python 当线程数增加到硬件可能的线程数时，为什么性能会得到改善？

在我的电脑中，我有16个逻辑核（multiprocessing.cpu\u count（）=16）。我有一个大约有2000个独立进程的应用程序。我使用了具有不同线程数的多线程，结果如下

---

线程|总时间（s） 8 | 4225（~70分钟）

16 | 2733（~46分钟）

32 | 2156（~35分钟）

64 | 2123（~35分钟）

---

理论上，当线程数为16时，我应该得到最好的结果。即使线程数增加到16以上，我也会得到相同的结果。但是当线程数增加到32时，我得到了最好的结果。而结果似乎没有超过这个数字。原因是什么？

严格地说，Python不能同时运行多个线程（因为GIL），因此任何以100%CPU使用率（例如，纯计算）运行Python代码的线程在使用更多线程时，性能总是会下降

---

从线程获得任何性能提升意味着您的代码中有一些I/O正在等待，这使得线程的CPU利用率降至100%以下。增加线程的数量可以让CPU填补这些空白。

并非所有内容都受CPU限制，也就是说，您的线程不会一直100%使用您的内核。通过在每个内核上运行多个线程，你正在利用空闲时间。你的第一段只部分正确。特别是通过I/O，GIL可以并将被释放。我打算“以100%CPU使用率（例如纯计算）运行Python代码的任何线程”来涵盖它。显然我失败了。我想说的是，IO让线程等待，所以它们并不是在“运行”。如果这句话更容易理解，欢迎您重新编写。@Amadan，我在代码中运行的进程是独立的。因此，我没有任何等待任何I/O的代码。