python 中的多线程之GIL

python 之GIL下多线程、多进程

一、了解认识GIL：

Python 中的多线程，一个绕不过去的话题就是全局锁 GIL(Global interpreter lock)。GIL 限制了同一时刻只能有一个线程运行，无法发挥多核 CPU 的优势 。GIL本质就是一把互斥锁，既然是互斥锁，所有的锁的本质都一样，将并发运行变成串行，以此来控制同一时间内共享数据只能被一个任务修改，进而保证数据安全。在一个python的进程内，不仅有主线程或者由该主线程开启其他线程，还有解释器开启的垃圾回收等解释器级别的线程。首先明确我们线程执行的任务是什么，是做计算(计算密集型CPU)还是做输入输出(I/O密集) ，不同地场景使用不同的方法。 多核 CPU，意味着可以有多个核并行完成计算，所以多核提升的是计算性能,但每个 CPU 一旦遇到 I/O 阻塞，仍然需要等待，所以多核对 I/O 密集型任务没什么太高提升。

GIL全局解释锁：GIL是一把底层工作锁，所有python解释器的线性模型都逃不过，在字节代码层次的锁，保证线程安全。

GIL是在底层的一把锁，是bytecode字节码级别的互斥锁，保证同一时刻只有一个线程控制Python解释器。

GIL带来了什么：

(1) GIL解决了Python中引用计数加锁的问题

(2) GIL使得扩展的C库和Python程序融合时资源管理更容易

（进程：操作系统的最小单位，线程：系统分配时间片资源的单位）[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-IAlCZ2WA-1609327674444)(C:\Users\airwe\AppData\Roaming\Typora\typora-user-images\image-20201228150946629.png)]

二、多线程、多进程的选择：

（1）对于CPU密集型的单核处理，采用多线程。

（2）对于CPU密集型的多核处理，采用多进程

（3）对于IO密集型的场景，采用多线程。

（4）对于IO密集和CPU密集型的混合场景，综合考虑进程和线程，可以以开始时的配置一个进程池，将可能的CPU密集的任务交给进程池去完成，将IO密集型的任务交给线程。

CPU密集型情况下效率情况：进程池>多进程>单进程单线程>单进程单线程

集型情况下效率情况：进程池>多进程>单进程单线程>单进程单线程

IO密集型下多线程效率明细