Python 多執行緒 vs. 多進程：GIL 的影響與選擇

突破效能瓶頸的關鍵

Python 的全域直譯器鎖 (GIL) 限制了同一時間只能有一個執行緒在執行 Bytecode，這導致 Multi-threading 無法利用多核 CPU 加速 CPU 密集型任務。

選擇指南：

• I/O 密集型 (爬蟲、API 請求)：瓶頸在網路等待。使用 threading 模組或 asyncio 效果極佳，因為等待 I/O 時 GIL 會釋放。
• CPU 密集型 (影像處理、數據運算)：瓶頸在運算。必須使用 multiprocessing 模組，它會建立多個 Process (每個都有獨立的 Python 解譯器和記憶體空間)，避開 GIL 限制，真正利用多核心。

在做大量數據清洗或回測時，改用 ProcessPoolExecutor 往往能帶來數倍的效能提升。