关于 Python GIL锁的讨论

写在前面：
先讲两个概念：

• 并发：多个任务交替执行，当任务一遇到阻塞或者时间片用完将其挂起，切换到任务二区执行。从宏观上来看也是多核任务“同时”执行。
• 并行：多任务同时执行，在多核心 CPU 时间，多个任务在多核 CPU 核心上同时执行。

Global Interpreter Lock 的前世今生

谈到多进程/多线程，数据安全是不可忽略的。而在 Python 的设计之初，计算机大多是单核的，多线程实际上是并发执行，GIL 的存在对效率影响不大。同时还方便保证了数据安全。

时至今日，我们的计算机处理器四核心、八核心、十六核心乃至更多。这时候因为 GIL 的存在限制了多线程在多核处理器上的运行效率。但是那为什么不直接去掉它？国外有个哥们曾写了一个取消 GIL 的分支，其中为了保证数据安全而不得不加 Luck，经测试下来执行效率并不理想。所以 GIL 一直存在到了现在。

Python 中的多线程是如何工作的？

首先呢，要先知道 GIL 是跟着进程走的，我们的代码是运行在一个进程上。

当你在这个进程中启动了多个线程时，这些线程任务都进入队列等待调度。当CPU的其中一个核心（我们暂时叫他核心1）调度到任一线程任务后（我们叫它任务1），加GIL锁然后执行任务。当这时，如果其他任一CPU核心调度到剩下的任一任务时，会先去检查 GIL，这是 GIL 可能存在两种状态：

• GIL 被锁：放弃执行重新放回队列中去
• GIL 已被释放：对 GIL 加锁，然后执行

所以说在同一个 GIL 锁的所有线程在任一时刻，永远只有一个在执行状态，GIL 限制了多线程的效率。

那多线程真的就一无是处了吗？

Python 多线程真的一无是处了吗？

在我们日常所写的代码可以分为计算密级型、IO 密集型。我们分开讨论：

• 计算密集型：当多线程中的任一任务时间片用完后会释放 GIL 锁，这时包括该任务在内的所有任务会进行 GIL 竞争（谁拿到谁执行），而所有任务都是拿到执行权后立即执行，不存在等待时间（网络、IO）。这样来回切换浪费资源与时间（线程调度也是需要资源与时间的）。我们把这种称为 ****
• 对 IO 密集型：当在任务执行过程中，如果遇到等待 IO 会直接让出其执行权，执行其他任务。这时候使用多线程对性能是有提升的。

所以，Python 多线程虽然很“鸡肋”，但是对 IO 密集型任务比较友好的。
简单理解下来，可以总结为两句话：

• 因为时间片用完而切换任务多线程不利，反而会降低效率
• 因阻塞切换的任务使用多线程可以有利

在我们的日常开发中可以酌情使用。如果真的为了更好的利用多核心 CPU 性能，还是比较推荐直接使用多进程来操作，这样 GIL 锁相互独立，就可以真正实现并行喽~。