实现“python 100个线程为啥每秒只有20条”的问题，首先我们需要了解多线程的概念和基本原理。在Python中，使用多线程可以实现并发执行多个任务，提高程序的运行效率。

流程图如下所示：

flowchart TD
A[开始] --> B[创建100个线程]
B --> C[设置每个线程要执行的任务]
C --> D[启动100个线程]
D --> E[等待所有线程执行完毕]
E --> F[结束]

接下来，我们来逐步实现这个问题。

步骤一：创建100个线程

import threading

# 创建100个线程
threads = []
for _ in range(100):
    thread = threading.Thread(target=task_function)
    threads.append(thread)

这段代码会创建100个线程，并将它们存储在一个列表中。每个线程都需要执行一个任务，我们将在下一步中定义。

步骤二：设置每个线程要执行的任务

def task_function():
    # 这里编写每个线程要执行的任务
    pass

在这个步骤中，我们定义了一个名为task_function的函数，它是每个线程要执行的任务。你需要根据实际需求编写具体的任务逻辑。

步骤三：启动100个线程

# 启动100个线程
for thread in threads:
    thread.start()

这段代码会依次启动我们创建的100个线程，使它们开始执行任务。

步骤四：等待所有线程执行完毕

# 等待所有线程执行完毕
for thread in threads:
    thread.join()

这段代码会使主线程等待所有子线程执行完毕，确保所有任务都执行完毕后再进行下一步操作。

到此，我们已经完成了整个流程。请注意，以上代码只是一个基本的框架，具体的任务逻辑需要根据实际需求进行编写。

接下来，我们需要分析为什么100个线程每秒只有20条的原因。可能的原因有：

  1. 线程间的竞争：如果任务中存在共享资源，线程之间可能会发生竞争，导致某些线程需要等待其他线程释放资源才能继续执行。这会导致线程的执行速度变慢。
  2. GIL的限制：在Python中，全局解释器锁（GIL）会限制多线程的并发执行。由于GIL的存在，同一时刻只有一个线程可以执行Python字节码。这可能会导致多线程程序的执行效率不如预期。
  3. CPU限制：如果计算密集型任务占用了大量的CPU资源，可能会导致线程的执行速度变慢。在这种情况下，可以考虑使用多进程来提高程序的运行效率。

针对以上可能的原因，我们可以根据实际情况进行优化。比如使用线程锁来解决竞争问题，使用多进程来绕过GIL的限制等。

最后，我们需要总结一下文章的内容。我们首先介绍了多线程的概念和基本原理，然后给出了实现“python 100个线程为啥每秒只有20条”的具体步骤，并提供了相关的代码示例和注释。接着我们分析了可能的原因，并给出了一些优化的建议。最后，我们强调了根据实际情况进行优化的重要性。

希望这篇文章能够帮助刚入行的小白理解并解决这个问题。通过学习多线程的实现原理和优化方法，他将能够更好地应对类似的情况，并提高自己的开发能力。