Pythonでのマルチスレッドを使用した、組み込み関数openによる複数ファイルIOは高速化が見込めるのでしょうか

PythonのマルチスレッドはGILによって基本的に１プロセスで１スレッドしか動かないということなので、あるプログラムを１０スレッドで実行したとしても、実行するスレッドは１つでそれを高速に切り替えて平行に実行すると認識しています。
そのような動作ではCPUの計算リソースを多く使う処理をマルチスレッドにしても意味はなく、IO処理などスリープする時間が存在する処理しか高速化が期待できないらしいのですが、

質問としては以下のようにPythonの組み込み関数openを使用した複数ファイルIOをマルチスレッド処理することで高速化は期待できるのでしょうか？

Python
1from concurrent.futures import ThreadPoolExecutor
2
3def read_file(file_name):
4    f = open(filename, "r")
5    text = f.read()
6    f.close()
7    return text
8
9file_list = [str(i) + ".txt" for i in range(100)]
10
11with ThreadPoolExecutor(max_workers=100) as executor:
12    results = executor.map(read_file, file_list)
13    results = list(results)

Pythonの組み込み関数openはマルチスレッドによって高速化されるような、スリープする時間はあるのでしょうか？
また、上の例はファイルの内容を読み込む処理ですが逆にファイルに内容を書き込む処理でも同様でしょうか？
教えてくださるとありがたいです。

行動規範の内容に同意します

回答3件

複数ファイルIOをマルチスレッド処理することで高速化は期待できるのでしょうか？

「高速化」の意味が逐次に処理する場合に比べて速くなるのか？ということであれば、答えは Yes です。
例えば、

ファイルを読み出す（ディスクI/O依存処理） 1秒かかる
加工処理をする（CPU依存処理） 1秒かかる
結果をネットワークに書き出す（ネットワークI/O依存処理） 1秒かかる

これを10個のファイルに対して順次に行うと 30秒かかりますが、マルチスレッドにすることにより、異なるリソースの消費が並列化されますので、処理にかかる全体時間はうまくいけば 1/3 の約10秒で終わるでしょう。（厳密にはオーバヘッドや最初は同じリソースが競合するなどの問題があって、そうはなりません）
逆に単一のリソースがネックになるようなプログラム（例えば、処理時間のほとんどがディスクI/Oであるような場合）であれば、リソースの消費が並列化できないので、高速化は期待できないでしょう。
しかし、一般論で質問されていると仮定して答えは Yes だと思います。

もし、「高速化」の意味がディスクI/Oが並列化されて高速化されるのか？という意味であれば、答えは No です。