python 性能慢的头号通缉犯：全局解释器锁GIL

---

目录

python速度慢的两大原因

什么是GIL锁

为什么会产生GIL这个东西

怎样规避GIL带来的限制

---

python速度慢的两大原因

相比于C/C++/java 等语言，python的执行速度确实慢，在一些特殊场景下python的执行速度甚至要比C/C++慢100~200倍。

由于速度比较慢的原因 很多公司的基础架构代码依然使用的C/C++，比如腾讯/阿里/字节的：搜索引擎，推送引擎。

造成python 速度慢的原因一：

动态类型语言：边解释边编译。在C和C++代码执行时都需要先编译为机器码，机器码的执行效率是非常高的，而python不会先进行编译，而是在执行是一边解释一边执行，从源码到机器码的过程就导致python的速度大幅度下降。

变量：python中的变量是可以随时切换的，比如现在是一个字符串一会就又变成了列表，这就导致python在执行时需要时刻去判断类型。

造成python 速度慢的原因二：

GIL无法利用CPU多核执行。

什么是GIL锁

全局解释器锁(Global Interpreate Lock,缩写GIL)

是python程序设计者设计的，是解释器用于同步线程的一种机制，它使得任何时候，不管你开启了多少个线程都只允许一个线程执行，即便是在多核心处理器上，使得GIL的解释器也只允许执行一个线程。

 如图开启了三个线程，当 Thread1执行时，这是它是处于持有锁的状态，它执行时其它线程是属于一个等待状态，当它遇到了I/O操作，这时将锁释放Thread2将去执行，交替进行，即便是拥有多核CPU，开启了多线程，但是实际上只有一个线程执行。

所以相比于JAVA/C++并发加速要慢的多，这里需要提到的是在JAVA/C++中如果开启了多个线程多个线程将会同时执行，如果拥有多核CPU则会分布在多核CPU上并行执行。

为什么会产生GIL这个东西

简而言之，在设计者设计初期是为了规避并发问题引入的GIL，现在想去除却去除不掉了(在python的某一版本中是想将GIL去掉，但是发现程序运行速度更慢了)。

为了解决多线程之间数据完整性和状态同步问题。

原因详解：

 线程一对全局参数a进行修改，线程2则将a进行删除，导致线程1再次执行时程序崩溃，所以GIL保证了某段关键代码完整的执行。

 GIL的好处在于它简化了python多线程对于共享资源的管理。

怎样规避GIL带来的限制

1.多线程Threading 机制，用于I/O密集型处理，因为在I/O期间，线程回去释放GIL锁，实现CPU和I/O同时运行，因此多线程对于I/O密集型依然可以大幅度提升速度，相反如果用于CPU密集型则会大大的减少程序运行速度，因为只有一个CPU在运行。

2.为了使得python也可以将CPU多核资源利用上python提供了muiltprocessing的多进程机制，可以实现并行计算，利用CPU多核优势。使用 muiltprocessing 模块即可。