Waarom leidt het gebruik van multithreading in Python niet tot een merkbare versnelling bij het uitvoeren van zware CPU-afhankelijke berekeningen?

In de standaardimplementatie van Python gebruikt CPython GIL (Global Interpreter Lock), een globale lock van de interpreter die het mogelijk maakt om slechts één Python-bytecode tegelijk in één thread uit te voeren. Hierdoor levert multithreading geen prestatieverbetering bij zware CPU-afhankelijke berekeningen, omdat threads niet echt parallel op meerdere cores kunnen worden uitgevoerd.

Om deze beperking te omzeilen, worden gebruikt:

• Multiprocessing (module multiprocessing), waarbij elk proces zijn eigen interpreter en GIL heeft.
• Gebruik van C-extensies die GIL vrijmaken tijdens berekeningen.
• Alternatieve Python-implementaties zonder GIL (bijvoorbeeld Jython, IronPython).

Voorbeeld van het gebruik van multiprocessing voor parallelle berekeningen:

from multiprocessing import Pool

def heavy_calc(x):
    # Een zware CPU-afhankelijke functie
    return x * x

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