多线程Python应用程序比单线程实现慢

我写这个程序是为了正确地学习如何使用多线程。我想在我自己的程序中实现类似的功能：

import numpy as np
import time
import os
import math
import random

from threading import Thread

def powExp(x, r):
    for c in range(x.shape[1]):
        x[r][c] = math.pow(100, x[r][c])

def main():
    print()
    rows = 100
    cols = 100

    x = np.random.random((rows, cols))
    y = x.copy()


    start = time.time()

    threads = []
    for r in range(x.shape[0]):
        t = Thread(target = powExp, args = (x, r))
        threads.append(t)
        t.start()
    for t in threads:
        t.join()

    end = time.time()

    print("Multithreaded calculation took {n} seconds!".format(n = end - start))

    start = time.time()

    for r in range(y.shape[0]):
        for c in range(y.shape[1]):
            y[r][c] = math.pow(100, y[r][c])

    end = time.time()

    print("Singlethreaded calculation took {n} seconds!".format(n = end - start))
    print()

    randRow = random.randint(0, rows - 1)
    randCol = random.randint(0, cols - 1)

    print("Checking random indices in x and y:")
    print("x[{rR}][{rC}]: = {n}".format(rR = randRow, rC = randCol, n = x[randRow][randCol]))
    print("y[{rR}][{rC}]: = {n}".format(rR = randRow, rC = randCol, n = y[randRow][randCol]))
    print()

    for r in range(x.shape[0]):
        for c in range(x.shape[1]):
            if(x[r][c] != y[r][c]):
                print("ERROR NO WORK WAS DONE")
                print("x[{r}][{c}]: {n} == y[{r}][{c}]: {ny}".format(
                        r = r,
                        c = c,
                        n = x[r][c],
                        ny = y[r][c]
                    ))
                quit()

    assert(np.array_equal(x, y))

if __name__ == main():
    main()

从代码中可以看出，这里的目标是通过为每列创建一个线程来并行化操作math.pow（100，x[r][c]）。然而，这段代码非常慢，比单线程版本慢得多

输出：

Multithreaded calculation took 0.026447772979736328 seconds!
Singlethreaded calculation took 0.006798267364501953 seconds!

Checking random indices in x and y:
x[58][58]: = 9.792315687115973
y[58][58]: = 9.792315687115973

我搜索了stackoverflow，找到了一些关于GIL强制python字节码只能在单个内核上执行的信息。然而，我不确定这实际上是限制我并行化的原因。我尝试使用池而不是线程重新排列并行for循环。似乎什么都没用

编辑：此线程讨论相同的问题。由于GIL，在python中使用多线程来提高性能是完全不可能的吗？是GIL导致了我的减速吗

---

编辑2（2017-01-18）：因此，从我在网上搜索了相当一段时间后收集到的信息来看，python对于并行性来说似乎真的很糟糕。我想做的是对tensorflow中实现的神经网络中使用的python函数进行并行化…似乎添加一个定制的op是一个不错的选择。

这里的问题很多。。。很多的太多（System！）线程太少的工作，吉尔等。这就是我认为Python中的并行性的一个很好的介绍：

---

实时编码真是太棒了。

可能是重复的，你知道你正在启动10000个线程吗？@KlausD。对不起，我错过了。我更新了代码和输出。尽管没有启动那么多线程，但仍然存在相同的问题！是的，GIL会影响你的表现。您不能将代码更改为使用多处理吗？在您发布之前，我更新了代码并输出。大量的线程被删除了！不过我会查看链接的，谢谢。