一文理解Python的全局解釋器鎖（GIL）
前言
? 在Python中，全局解釋器鎖（Global Interpreter Lock，簡稱GIL）是一個(gè)重要的概念，它對(duì)Python解釋器的并發(fā)執(zhí)行模型產(chǎn)生了重大影響。本文將介紹GIL的概念、原理以及對(duì)Python多線程程序執(zhí)行效率的影響，并附帶詳細(xì)的代碼案例進(jìn)行說明。
什么是 GIL
? GIL是Python解釋器中的一個(gè)互斥鎖，它確保在同一時(shí)刻只有一個(gè)線程能夠執(zhí)行Python字節(jié)碼。這意味著在多線程環(huán)境下，Python解釋器無法同時(shí)利用多個(gè)CPU核心進(jìn)行并行執(zhí)行，因?yàn)橹挥幸粋€(gè)線程能夠執(zhí)行Python字節(jié)碼指令。
GIL 的工作原理
? 當(dāng)Python解釋器運(yùn)行Python代碼時(shí)，它會(huì)獲取GIL，然后執(zhí)行相應(yīng)的字節(jié)碼指令。其他線程想要執(zhí)行Python字節(jié)碼時(shí)，必須先獲取GIL，但只有在當(dāng)前線程釋放GIL后才能獲得。因此，只有一個(gè)線程能夠在任意時(shí)刻執(zhí)行Python字節(jié)碼，這就是GIL的工作原理。
GIL 的影響
多線程
? 盡管Python完全支持多線程編程， 但是解釋器的C語言實(shí)現(xiàn)部分在完全并行執(zhí)行時(shí)并不是線程安全的。 實(shí)際上，解釋器被一個(gè)全局解釋器鎖保護(hù)著，它確保任何時(shí)候都只有一個(gè)Python線程執(zhí)行。 GIL最大的問題就是Python的多線程程序并不能利用多核CPU的優(yōu)勢(shì) （比如一個(gè)使用了多個(gè)線程的計(jì)算密集型程序只會(huì)在一個(gè)單CPU上面運(yùn)行）。
? 有一點(diǎn)要強(qiáng)調(diào)的是GIL只會(huì)影響到那些嚴(yán)重依賴CPU的程序（比如計(jì)算型的）。 如果你的程序大部分只會(huì)涉及到I/O，比如網(wǎng)絡(luò)交互，那么使用多線程就很合適， 因?yàn)樗鼈兇蟛糠謺r(shí)間都在等待。
? 對(duì)于依賴CPU的程序，你需要弄清楚執(zhí)行的計(jì)算的特點(diǎn)。 例如，優(yōu)化底層算法可能要比使用多線程運(yùn)行快得多。 類似的，由于Python是解釋執(zhí)行的，如果你將那些性能瓶頸代碼移到一個(gè)C語言擴(kuò)展模塊中， 速度也會(huì)提升的很快。如果你要操作數(shù)組，那么使用NumPy這樣的擴(kuò)展會(huì)非常的高效。 最后，你還可以考慮下其他可選實(shí)現(xiàn)方案，比如PyPy，它通過一個(gè)JIT編譯器來優(yōu)化執(zhí)行效率。
多進(jìn)程
? 在 Python 中，GIL（全局解釋器鎖）只影響到了多線程，而不會(huì)對(duì)多進(jìn)程產(chǎn)生直接的影響。多進(jìn)程是通過創(chuàng)建不同的 Python 解釋器來實(shí)現(xiàn)的，因此每個(gè)進(jìn)程都有自己的獨(dú)立 GIL，它們之間互不影響。
如何解決 GIL 的缺點(diǎn)
示例代碼
? 代碼版本 Python 3.x
? 如我們?nèi)绾蝺?yōu)化下列代碼：
# Performs a large calculation (CPU bound)
def some_work(args):
...
return result
# A thread that calls the above function
def some_thread():
while True:
...
r = some_work(args)
...使用多進(jìn)程的方式
? 如果你完全工作于Python環(huán)境中，你可以使用 multiprocessing 模塊來創(chuàng)建一個(gè)進(jìn)程池， 并像協(xié)同處理器一樣的使用它，每個(gè)進(jìn)程有獨(dú)立的 GIL。
# Processing pool (see below for initiazation)
pool = None
# Performs a large calculation (CPU bound)
def some_work(args):
...
return result
# A thread that calls the above function
def some_thread():
while True:
...
r = pool.apply(some_work, (args))
...
# Initiaze the pool
if __name__ == '__main__':
import multiprocessing
pool = multiprocessing.Pool()使用C擴(kuò)展編程技術(shù)
? 主要思想是將計(jì)算密集型任務(wù)轉(zhuǎn)移給C，跟Python獨(dú)立，在工作的時(shí)候在C代碼中釋放GIL。 可以通過在C代碼中插入下面這樣的特殊宏來完成:
#include "Python.h"
...
PyObject *pyfunc(PyObject *self, PyObject *args) {
...
Py_BEGIN_ALLOW_THREADS
// Threaded C code
...
Py_END_ALLOW_THREADS
...
}? 如果使用其他工具訪問C語言，比如對(duì)于Cython的ctypes庫，你不需要做任何事。 例如，ctypes在調(diào)用C時(shí)會(huì)自動(dòng)釋放GIL。
參考
? 12.9 Python的全局鎖問題
