python多线程有什么好处_在IO任务中使用Python多线程没有好处？

我试着用python读取几千小时的wav文件并获得它们的持续时间。这基本上需要打开wav文件，获取帧数并将采样率考虑在内。代码如下：def wav_duration(file_name):

wv = wave.open(file_name, 'r')

nframes = wv.getnframes()

samp_rate = wv.getframerate()

duration = nframes / samp_rate

wv.close()

return duration

def build_datum(wav_file):

key = "/".join(wav_file.split('/')[-3:])[:-4]

try:

datum = {"wav_file" : wav_file,

"labels" : all_labels[key],

"duration" : wav_duration(wav_file)}

return datum

except KeyError:

return "key_error"

except:

return "wav_error"

按顺序执行此操作将花费太长时间。我的理解是多线程应该有帮助，因为它本质上是一个IO任务。因此，我这样做：

^{pr2}$

然而，令我沮丧的是，我得到了以下结果(以秒为单位)：Num threads | 100k wavs | 1M wavs

1 | 4.5 | 39.5

2 | 6.8 | 54.77

10 | 9.5 | 64.14

100 | 9.07 | 68.55

这是预期的吗？这是CPU密集型任务吗？多处理有帮助吗？我怎样才能加快速度？我正在从本地驱动器读取文件，这是在一个Jupyter笔记本上运行的。Python3.5版。在

编辑：我知道GIL。我只是假设打开和关闭文件本质上是IO。People's analysis已经表明，在IO情况下，使用多个处理可能会适得其反。因此，我决定改用多重处理。在

我想现在的问题是：这个任务是IO绑定的吗？

编辑编辑(EDIT EDIT)：对于那些想知道的人来说，我认为这是CPU限制(一个核心的最大值是100%)。这里的教训是不要对任务做假设，自己去检查。在