阿里巴巴杨群：高并发场景下Python的性能挑战

嘉宾｜杨群

出品｜Python大本营（ID:pythonnews）

导读：阿里云数据库提供了稳定可靠、可弹性伸缩的在线数据库服务，在数据库存储引擎、云原生技术、分析引擎、分布式处理、FPGA/GPU硬件加速、智能数据库、智能化管控平台、安全数据库等方面有较好的表现。

4月13日，在CSDN主办的“2019 Python开发者日”大会上，阿里云数据库专家杨群分享了《高并发场景下Python的性能挑战》的主题演讲。

              

以下为演讲整理，文章略有删减：

 

性能问题

▌（一）GIL

 

为什么大家都说Python慢？最主要的原因是全局解释器锁。今天讲的Python是官方的C版Python。CPython在创建变量时，首先对变量分配内存，然后开始计数变量的数量，大家提出称之为“引用计数”。在引用计数变为0时，从系统中释放变量的内存。如果多个线程同时对这个计数做操作，线程不安全，会导致很多问题。

 

综合垃圾回收机制问题，CPython引入了GIL，同一个时刻在一个进程允许一个线程使用解释器，意味着单进程下Python多线程的性能没有那么好。这样做的好处在于能够避免死锁和数据用户安全方面的问题。

             

Python有三种线程状态：Idle、Running、Failed GIL Acquire。曾经有人对GIL的性能影响做了两个测试。第一个测试案例是两个CPU密集线程，代码运行过程的大部分状态是Failed GIL Acquire，两个线程的运行没有达到双核的效果。

             

第二个案例是IO密集型的线程。仔细分析发现，IO没有达到想象的预期效果。所以IO密集型和CPU密集型同时存在时，IO密集型未必达到想要的运算速度，我们要区分好IO密集型和CPU密集型的服务。

 

▌（二）解释器

 

CPython要首先生成pcy字节码序列，之后才能被CPU理解，所以较慢。JAVA、.NET也有中间的翻译，但因为JAVA和.NET使用即时编辑（JIT），使用JIT可以检测哪些代码执行得比较多，意味着计算机应用程序需要重复做一件事情的时候它就会更快。