高效能PYTHON程式設計

理解高效能 Python

|

5

增加更多詢問問題的工作人員將提升我們的速度，直到有 100 個工作人員為止，在此情

況下，整個過程將花費 1 分鐘，單純受限於受訪者回答問題所需耗費的時間，再增加工

作人員將無濟於事，因為額外的工作人員根本無事可做—所有的受訪者都已經有工作人

員在服務了！在此狀況下，減少整體問卷調查時間的唯一方法就是降低個別問卷調查所

需耗費的時間（整體工作的循序部分）。相同地，就 CPU 而言，我們可以增加更多核

心，執行不同的計算區塊，直到我們到達特定核心完成其任務所面臨的瓶頸，換言之，

任何平行計算的瓶頸總是發生在被切割出來的較小循序任務上。

更且，在 Python 裡利用多個核心的主要障礙是 Python 使用

GIL

（

global interpreter

lock

，

全域直譯器鎖

）。 GIL 確保 Python 行程（process）一次只能夠執行一個指令，不

管它正在使用幾個核心。這表示，即使有些 Python 程式碼能夠同時存取多個核心，但

在特定時間下，只有一個核心在執行 Python 指令。以先前的問卷調查為例，這表示，

即使我們有 100 個工作人員，同時間只能有 1 個工作人員詢問問題並且聆聽回應，這完

全抹煞了擁有多個工作人員的好處！雖然這看起來好像是很大的障礙—尤其是，目前的

發展趨勢是擁有多個計算單元，而不是擁有更快速的計算單元—然而，這個問題可透過

使用其他的標準程式庫工具（如

multiprocessing

），技術（如

numexpr

與 Cython），或分