使用Python的线程模块调用ctypes函数比使用多处理更快？

我一生都无法找出这个问题的答案。

我编写了一个可以执行数百次繁重计算的脚本。我有一个绝妙的主意，将这些计算任务编写为 C++，然后使用 Python 的 ctypes 与它们交互。

我心想，我什至可以使用并行性进一步优化它。我最初的方法是使用线程。然后我意识到我的任务是受 CPU 限制的。因此，我们使用多处理才有意义。事实证明，多处理模块比线程慢得多，可能是由于开销所致。

然后我遇到了this http://caswenson.com/2009_06_13_bypassing_the_python_gil_with_ctypes.html。对于那些不想点击粗略链接的人来说，事实证明 ctypes 模块绕过了 GIL。这意味着我对Python线程的尝试可以实现真正的并行。

所以我的问题是：官方文档中有关于 ctypes 和 GIL 的地方吗？

我已附上用于对线程+ ctypes 和多处理进行基准测试的代码。

# Method 1: Using threading
start = time()

threads = []
for arg in args:
    threads.append(threading.Thread(target=some_ctypes_func, args=(arg, )))

for thread in threads:
    thread.start()

for thread in threads:
    thread.join()

print(f"Elapsed time: {time() - start}")

# Method 2: Using multiprocessing
results = []
with Pool(8) as p:
    start = time()
    for arg in args:
        result = p.apply_async(some_ctypes_func, args=(arg,))
        results.append(result)

    results = [result.get() for result in results]
    print(f"Elapsed time: {time() - start}")

使用上面的代码，线程模块比多处理快大约 2 到 3 倍。