Kāpēc daudzvītņu izmantošana Pythonā nesniedz ievērojamu paātrinājumu, veicot smagas CPU atkarīgas aprēķinus?

Standarta Python ieviešanā, CPython izmanto GIL (Global Interpreter Lock) — globālo interpretatora bloķētāju, kas ļauj vienlaikus izpildīt tikai vienu Python bajtkodu vienā pavedienā. Tādēļ daudz pavedienu darbība nesniedz uzlabojumus veiktspējā CPU-intensive aprēķinos, jo pavedieni nevar patiesi darboties paralēli vairākos kodolos.

Lai pārvarētu šo ierobežojumu, tiek izmantota:

• Daudzprocesu darbība (multiprocessing modulis), kur katram procesam ir savs interpretators un GIL.
• C paplašinājumu izmantošana, kas atbrīvo GIL skaitļošanas laikā.
• Alternatīvas Python realizācijas bez GIL (piemēram, Jython, IronPython).

Paralēlo aprēķinu piemērs ar multiprocessing:

from multiprocessing import Pool

def heavy_calc(x):
    # Smags CPU atkarīgs funkcija
    return x * x

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