Python 多线程跑 CPU 密集 八核机器只吃满一个核

用八个线程并行计算哈希，监控里进程 CPU 始终在一百上下，八核机器空着七个，总耗时和单线程几乎一样。碰到这种情况，我一般先确认改动有没有真的生效。

原因不复杂，CPython 同一时刻只允许一个线程执行字节码，计算型任务拿不到并行度，线程切换反而多出开销，GIL 只在 IO 等待时释放，加线程没有收益。

「GIL 全局锁限制」这类改动最怕改一半，回滚脚本先准备好，再动生产。报错里带路径的，先去看那个路径在不在、权限对不对。

from concurrent.futures import ProcessPoolExecutor
with ProcessPoolExecutor(max_workers=8) as ex:
    print(sum(ex.map(hash_chunk, chunks)))

同一份配置存在多处的，先确认改的是被加载的那一份。新版本先放一台机器上跑一天再全量，问题一般在这段时间暴露。

具体做法是，计算密集型任务改用多进程，从根上绕开 GIL 的限制，别再堆线程；数据量大时用进程池分片，结果再按片回传合并；IO 等待占比高的场景再回到多线程，别用进程池硬扛。

最后用这个标准收尾，CPU 使用率上到七核以上，总耗时能降到单线程的六分之一左右。