使用线程/线程模块Python2.7的好处

1） 我已经读到，如果我在python中导入线程模块，CPU绑定的负载将不会从使用这个库中看到太多好处，因为GIL强制线程一次运行1个线程，即使我在多核机器上运行代码。如果是这种情况，使用Python的线程库会使哪种代码受益

2） 如果线程库是这种情况，那么要并行执行CPU密集型任务，例如两个信号的互相关，多处理模块是最佳使用的模块吗

为了使这更具体，假设我想并行化的任务是下面代码中的for循环，我的机器只有12个内核。假设我的模板长度为~1000，我的图像长度为~2000，我有~1000个信号要排序：

import numpy as np

###2-D array of shape (points, signals)
signals = np.load('signals.npy')

###1-D template array for cross correlation
templateSignal = np.load('template.npy')

for s in range(signals.shape[2]):
    xcorr = np.correlate(templateSignal, signal[:,s])

---

即使使用GIL，Python中的线程也很有用，因为输入/输出操作不会阻塞程序。您可以在等待磁盘操作完成或等待网络事件时执行操作

线程在GUI应用程序中也发挥着作用，在GUI应用程序中，程序可以在后台执行计算时保持对用户输入的响应（感谢@FogleBird）

---

对于2），您的假设是正确的，您可以使用

多处理

模块将CPU密集型程序扩展到多个内核。了解流程之间通信的成本

当您有GUI时，也可用于后台任务，因此，GUI保持响应。是否假设后台任务是IO操作，而不是矩阵乘法等CPU密集型操作？@nCruber如果不使用线程，您无法播放mp3并在播放过程中暂停它-在播放mp3时，UI会锁定playing@ncRubert：

numpy.dot（）

可以执行矩阵乘法的函数使用多个CPU，而不使用多个进程。注意：C扩展可以释放GIL，而它们不涉及Python对象，例如，一些numpy函数确实释放GIL。