Perché l'uso del multithreading in Python non porta a un notevole aumento di velocità durante l'esecuzione di calcoli intensivi dipendenti dalla CPU?

Nell'implementazione standard di Python, CPython utilizza il GIL (Global Interpreter Lock), che è un blocco globale dell'interprete che consente di eseguire solo un bytecode Python in un thread alla volta. Per questo motivo, il multithreading non porta a miglioramenti delle prestazioni in calcoli pesanti dipendenti dalla CPU, poiché i thread non possono essere eseguiti realmente in parallelo su più core.

Per aggirare questa limitazione, si utilizzano:

• Multiprocessing (modulo multiprocessing), dove ogni processo ha il suo interprete e GIL.
• Uso di estensioni in C che liberano il GIL durante i calcoli.
• Implementazioni alternative di Python senza GIL (ad esempio, Jython, IronPython).

Esempio di utilizzo del multiprocessing per calcoli paralleli:

from multiprocessing import Pool

def heavy_calc(x):
    # Una funzione pesante dipendente dalla CPU
    return x * x

if __name__ == '__main__':
    with Pool(4) as p:
        results = p.map(heavy_calc, range(10))
    print(results)