在以下代码中:
import threading
def infinite_loop():
while True:
pass
def huge_sum():
return sum(range(2**100))
thread = threading.Thread(target=huge_sum)
thread.start()
thread.join(1)
print("Done")
我希望脚本在一秒后打印"Done"，因为join()将超时，但脚本却挂起.如果您将对huge_sum的呼叫替换为infinite_loop，则可以正常工作.问题似乎出在内置的sum()功能上.
有没有一种方法可以可靠地获得类似join()的超时行为no matter what the thread is doing？我不介意古怪的元编程解决方案，这是一个非常小众的应用程序.然而，在大多数情况下，我不能修改在线程内执行的代码(例如，"使用循环而不是sum"不是一个解决方案).
Linux、Python3.8.
bltinmodule.c、int和float中的builtin_sum_impl被优化为在不释放全局解释程序锁(GIL)的情况下执行求和.Python一次只允许在单个线程中执行字节代码.字节码执行器经常会释放GIL，以便其他线程可以运行.
C代码可以释放GIL，让Python级别的代码并行运行.但sum不能做到这一点.它在对int求和时保持GIL，这样它就不必担心其他线程在进行求和时更改被求和的对象.这也意味着，在完成之前，任何Python代码都不能在任何线程中运行.
一种 Select 是在不同的过程中完成这项工作.对于像Linux这样的Forking 操作系统，您可以使用单独的进程进行求和.子元素可以读取父内存，因此即使内存中有一个很大的列表，它也可以工作.这增加了创建子进程的开销，因此不是免费的.
如果你能在子进程中生成数据，那就更好了，尤其是当你想并行地做多个求和的时候.在你的range个例子中，你就会这么做.
或者，如果您有一大组整数要处理，您可以转移到NumPy数组，其中的一些运算，如array.sum，将释放GIL.它在您的示例中不起作用，因为range(2**100)太大了.但我想这只是一个例子.
您可以将其扩展到并行运行的多个进程，也许可以使用multiprocessing.Pool个进程.做到这一点的最佳方式取决于几个因素.例如，如果父对象中有大量数据，则不希望将其作为.map()(或其他池方法)中的参数传递，因为Python必须将参数复制到Worker.相反，您可以使用工作人员恰好知道的某个全局变量.