Python---全局解释器锁

全局解释器锁(Global Interpreter Lock ): 在 Python 语言的主流实现 CPython 中，GIL 是一个货真价实的全局线程锁，在解释器解释执行任何 Python 代码时，都需要先获得这把锁才行，在遇到 I/O 操作时会释放这把锁。如果是纯计算的程序，没有 I/O 操作，解释器会每隔 100 次操作就释放这把锁，让别的线程有机会执行（这个次数可以通过 sys.setcheckinterval 来调整）。所以虽然 CPython 的线程库直接封装操作系统的原生线程，但 CPython 进程做为一个整体，同一时间只会有一个获得了 GIL 的线程在跑，其它的线程都处于等待状态等着 GIL 的释放。即全局解释器锁保证同一时间只有一个线程在执行。

在多线程环境中，GIL用法：
1. 设置GIL
2. 切换到一个线程去运行
3. 运行：
    a. 指定数量的字节码指令
    b. 线程主动让出控制（可以调用time.sleep(0)）
4. 把线程设置为睡眠状态
5. 解锁GIL

6. 再次重复以上所有步骤

例子：计算50个线程的执行个数

（1）未加锁之前：

import threading,time

def run(n):
    #lock.acquire()    #获取锁
    global num
    time.sleep(0.5)
    num+=1
    #time.sleep(1)
    #lock.release()  #释放锁

#lock=threading.Lock()
num=0
t_obj=[]

for i in range(50):
    t=threading.Thread(target=run,args=("t-%s"%i,))
    t.start()
    t_obj.append(t)
for t in t_obj:
    t.join()
print("----all thread has done....")
print("num:",num)

在Python 2.x中答案：num可能会小于50. 原因：同一时间可能有多个线程在运行。而num只是加1.

（2）加锁处理：

import threading,time

def run(n):
    lock.acquire()    #获取锁
    global num
    time.sleep(0.5)
    num+=1
    time.sleep(1)
    lock.release()  #释放锁

lock=threading.Lock()
num=0
t_obj=[]

for i in range(50):
    t=threading.Thread(target=run,args=("t-%s"%i,))
    t.start()
    t_obj.append(t)
for t in t_obj:
    t.join()
print("----all thread has done....")
print("num:",num)

答案准确，num为50.

注意：在Python 3.x中答案：num始终为50.原因：解释器自己优化，内部已经加锁，保证同一时间只有一个线程在运行。