Python GIL 全局解释器锁

Python GIL 全局解释器锁

一、GIL概念：

全局解释器锁简称：GIL (英文：Global Interperter Lock)

GIL并不是Python语言特性，它是在现实Python解释器时引用的一个概念，GIL仅在CPython解释器上存在，其他解释器不一样，作用是保证同一时间内只有一个线程在执行。

二、GIL的讲解：

遵循的原则：一个线程运行Python，其它多个time.sleep()或者等待I/O，保证同一时刻只有一个线程对共享资源进行存取，简单理解，一个线程运行在一个CPU上执行字节码。

GIL为了线程运行安全，加了一把GIL锁，不过这使多线程执行效率不高，无法发挥核心的优势，并发性能非常的受限。

举个简单的栗子：

import threading

total = 0


def func1():
    global total
    for item in range(1000000):
        total += 1


def func2():
    global total
    for item in range(1000000):
        total -= 1


thread1 = threading.Thread(target=func1)
thread2 = threading.Thread(target=func2)

thread1.start()
thread2.start()

thread1.join()
thread2.join()

print(total)

但是输入结果并不是0，而每次的运行结果都不相同，可以得出以下结论：

协同式多任务处理：

当一项任务比如睡眠或者网络I/O启动，没有在这时间段运行任何Python代码的情况，一个线程便会让出GIL，从其它线程可以获取GIL而运行Python。这种称为协同式多任务处理，它允许并发，多个线程同时等待不同事件。

抢占式多任务处理：

Python线程可以主动释放GIL，也可以先抓取到GIL，使得其他线程可以运行。

总结：

感觉有没有GIL都没啥影响啊，反正可以切换，那么为什么说有GIL的存在，导致Python的多线程比单线程还慢？在单核CPU下没什么不同，但是在多核CPU下问题就很大，不同核心上的线程同一个时刻只能执行一个，所以不能利用多核CPU的优势，反而不同核心间切换会造成资源浪费，反而比单核CPU更慢。

三、GIL对程序的影响：

1.Python同一时刻只有一个线程会执行；

2.Python多个线程由于GIL锁的存在无法利用多核CPU；

3.Python多线程不适合计算机密集型的程序；

4.若程序需要大量的计算，利用多核CPU资源，可以使用多进程来解决；

四、I/O密集型：

1.I/O密集型概念：

大部分程序运行时，都需要大量的I/O(输入/输出)操作，如网络数据的收发，大文件的读写，这样的程序称为I/O密集型程序，I/O密集型程序运行时，需要大量的时间进行等待，如果I/O操作不完成，程序就无法执行后面的操作，导致CPU空闲。

2.GIL对I/O密集型程序影响：

解释器执行Python代码时，都需要先获得这把锁才可以，在遇到I/O操作时会释放这把锁，如果是计算程序，没有I/O操作，解释器会每隔100次操作就释放这把锁，让别的线程执行，提高Python程序的执行效率。

五、如何改善GIL的问题：

1.更换更高版本的解释器：从3.2版本开始，Python对解释器做了优化。

2.更换解释器：比如JPython，但是由于比较小众，支持模块较少，开发效率较低。

3.使用多进程代替多线程：Python为了解决使用多核的问题，可以用多进行代替多线程。

4.使用multiprocess库替代Thread库：多线程较低时，可以multiprocess库替代Thread库，即使用多进程而不是多线程，每个进程有自己的独立的GIL，因此也不会出现进程之间的GIL争抢。

六、总结：

在IO密集型操作下，多线程会得到较好的性能

在CPU密集型操作下，多线程性能反而不如单线程，这时多进程是最佳选择