Zašto korišćenje višestrukog izvršavanja u Python-u ne dovodi do značajnog ubrzanja pri obavljanju teških CPU-zavisnih proračuna?

U standardnoj implementaciji Pythona, CPython koristi GIL (Global Interpreter Lock), što je globalni zaključavač interpretatora koji omogućava izvršavanje samo jednog Python bytekoda u jednom thread-u u isto vreme. Zbog toga, višestruko niti ne donosi poboljšanje performansi kod teških računarskih zadataka koji zavise od CPU-a, jer niti ne mogu biti zaista paralelno izvršavane na više jezgara.

Da bi se prevazišlo ovo ograničenje, koriste se:

• Višeprocesno izvođenje (modul multiprocessing), gde svaki proces ima svoj interpretator i GIL.
• Korišćenje C ekstenzija koje oslobađaju GIL tokom računanja.
• Alternativne implementacije Pythona bez GIL (npr. Jython, IronPython).

Primer korišćenja multiprocessing za paralelne računarske zadatke:

from multiprocessing import Pool

def heavy_calc(x):
    # Teška funkcija zavisna od CPU-a
    return x * x

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