Python 为什么numpy计算不受全局解释器锁的影响？

我正在尝试决定我应该使用多处理还是线程，我已经了解了一些关于线程的有趣内容。在这种情况下，多线程似乎不适合繁忙的任务。然而，我还了解到一些功能，如I/O或numpy，不受GIL的影响

有人能解释一下为什么，以及我如何才能发现我的（可能相当重的）代码是否适合多线程处理吗？

许多numpy计算不受GIL的影响，但不是全部

在不需要Python解释器（例如C库）的代码中，可以专门释放GIL，从而允许依赖于解释器的其他代码继续运行。在Numpy C代码库中，宏

NPY\u BEGIN\u THREADS

和

NPY\u END\u THREADS

用于划分允许GIL释放的代码块。你可以在地图上看到这些

提供了有关线程支持的详细信息。请注意附加的宏

NPY\u BEGIN\u THREADS\u DESCR

、

NPY\u END\u THREADS\u DESCR

和

NPY\u BEGIN\u THREADS\u THREADS\u THREADS\u threshold

处理条件GIL释放，具体取决于数组

dtypes

和循环的大小

大多数核心功能都会发布GIL，例如：

只要不涉及对象数组，就在调用循环之前释放Python全局解释器锁（GIL）。如果有必要处理错误条件，将重新获取

关于您自己的代码，请参阅。检查上述宏使用的函数（以及它们调用的函数）。还请注意，性能优势在很大程度上取决于GIL发布的时间长短——如果您的代码不断地在Python中输入/输出，您将看不到多少改进

另一个选择是测试它。但是，请记住，使用条件GIL宏的函数在小数组和大数组中可能表现出不同的行为。因此，使用小数据集的测试可能无法准确表示更大任务的性能

有一些关于numpy并行处理的附加信息，以及一篇关于Python GIL的有用文章