Prečo použitie viacvláknového spracovania v Pythone neprináša výrazné zrýchlenie pri vykonávaní ťažkých výpočtov závislých od CPU?

V štandardnej implementácii Pythonu, CPython, používa GIL (Global Interpreter Lock), čo je globálna zámka interpretéra, ktorá umožňuje vykonávať iba jeden bytecode Python naraz v jednom vlákne. V dôsledku toho, viacvláknové spracovanie neprináša zlepšenie výkonu pri náročných výpočtoch závislých od CPU, pretože vlákna nemôžu byť skutočne paralelne vykonávané na viacerých jadrách.

Na prekonanie tohto obmedzenia sa používajú:

• Viacprocesové spracovanie (modul multiprocessing), kde každý proces má svoj vlastný interpret a GIL.
• Použitie C rozšírení, ktoré uvoľňujú GIL počas výpočtov.
• Alternatívne implementácie Pythonu bez GIL (napríklad Jython, IronPython).

Príklad použitia multiprocessing pre paralelné výpočty:

from multiprocessing import Pool

def heavy_calc(x):
    # Ťažká CPU závislá funkcia
    return x * x

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