[TOC]

一、什么是GIL

GIL（解释器全局锁）

从名字上看能告诉我们很多东西，很显然，这是一个加在解释器上的全局（从解释器的角度看）锁（从互斥或者类似角度看）。

首先来看回顾一下什么是锁：

为什么加锁

由于多线程共享进程的资源和地址空间，因此，在对这些公共资源进行操作时，为了防止这些公共资源出现异常的结果，必须考虑线程的同步和互斥问题。

加锁的作用

1、用于非线程安全，2、控制一段代码，确保其不产生调度混乱。

GIL官方给出的解释

In CPython, the global interpreter lock, or GIL, is a mutex that prevents multiple native threads from executing Python bytecodes at once. This lock is necessary mainly because CPython’s memory management is not thread-safe. (However, since the GIL exists, other features have grown to depend on the guarantees that it enforces.)

在CPython中，全局解释器锁(global interpreter lock, GIL)是一个互斥体，它防止多个本机线程同时执行Python字节码。这个锁是必要的，主要是因为CPython的内存管理不是线程安全的。(然而，自从GIL存在以来，其他特性已经逐渐依赖于它强制执行的保证。)

二、GIL的影响

GIL的设计缺陷

从上文的介绍和官方的定义来看，GIL就是一把全局排他锁。这种方式当然很安全，但是这对于任何Python程序来说，不管有多少的处理器，任何时候都总是只有一个线程在执行。毫无疑问全局锁的存在会对多线程的效率有不小影响。

但是我们课上讲的例子，并不是这样啊

上课的多线程例子：

from threading import Thread
import time

def task():
    time.sleep(5)
    
def run():
    t1 = Thread(target=task)
    t2 = Thread(target=task)
    start = time.time()
    t1.start()
    t1.join()

    t2.start()
    t2.join()
    end = time.time()
    print(f'Total time: {end - start}')
	
    '''
    串行结果：
    Total time:10
    '''

    
    t1.start()
    t2.start()
    t1.join()
    t2.join()
    
    
    '''
    并行结果：
    Total time:5
    '''

但是！

看看这个

from threading import Thread
import time


def counter():
    # 计数到一亿
    i = 0
    for _ in range(100000000):
        i += 1
    return True
  


def run():
    t1 = Thread(target=counter)
    t2 = Thread(target=counter)
    start = time.time()
    t1.start()
    t1.join()
    t2.start()
    t2.join()
    end = time.time()
    print(f'Total time: {end - start}')
	
    '''
	串行结果（即单线程）：
	Total time: 15.838918209075928
	'''
	
    t1.start()
    t2.start()
    t1.join()
    t2.join()
    
    '''
    并行结果：
    Total time: 16.79609990119934 
    （其实他们两个结果我跑的时候不相上下，但是也能说明问题）
    '''
if __name__ == '__main__':
    run()

问题来了。

为什么多线程并行比单线程慢，但是老师讲的例子为什么多线程并行时间又更少？

刚刚也说了是因为GIL导致的，python解释器任何时候都是一个线程在执行。

课上例子多线程并行快的原因是：线程做的是i/o操作，可以挂起当前线程去执行下一线程。因为遇到像 i/o操作这种会有时间空闲情况造成cpu闲置的情况会释放GIL

所以在python上只要在进行耗时的IO操作的时候，能释放GIL，这样也还是可以提升运行效率的。

为什么GIL有这个缺陷而不改进？

改不了！

为什么改不了

历史遗留问题：因为硬件的升级cpu单核变多核，当时python开发者为了利用多核，就出现了多线程编程，而随之带来的就是线程间数据一致性和状态同步的困难。 python开发者的解决方法就是加GIL这把大锁。

但是人们之后发现了这种多线程编程实现方式是垃圾的，想去除他，但是这时候已经发现离不开他了，大量的开发者已经重度依赖GIL了。

有了GIL的存在，python有这两个特点

　　　　1、进程可以利用多核，但是开销大。

　　　　2、多线程开销小，却无法利用多核优势。

　　也就是说Python中的多线程是假的多线程，Python解释器虽然可以开启多个线程，但同一时间只有一个线程能在解释器中执行，而做到这一点正是由于GIL锁的存在，它的存在使得CPU的资源同一时间只会给一个线程使用，而由于开启线程的开销小，所以多线程才能有一片用武之地，不然就真的是鸡肋了。

　　而python的多线程到底有没有用呢？

有用。我们需要看任务是I/O密集型，还是计算密集型：

　　　　如果是I/O密集型任务，有再多核也没用，即能开再多进程也没用，所以我们利用python的多线程一点问题也没有；

　　　　如果是计算密集型任务，我们就直接使用多进程就可以了

如何解决GIL锁带来的问题

1、不用cpython，使用jpython（不太可能）

2、使用多进程完成多线程任务（python专家推荐）

用multiprocess来代替Thread

multiprocess库的出现很大程度上是为了弥补thread库因为GIL而低效的缺陷。它完整的复制了一套thread所提供的接口方便迁移。唯一的不同就是它使用了多进程而不是多线程。每个进程有自己的独立的GIL，因此也不会出现进程之间的GIL争抢。

但是它的引入会增加程序实现时线程间数据通讯和同步的困难。

3、使用多线程时用c语言实现（还要学c，我可去他的）

来源：oschina

链接：https://my.oschina.net/u/4374940/blog/3390820

标签

cpython

python

multiprocess

Python‘最难’的问题——GIL问题