3.2.6Python的GIL锁内部机制

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，或者叫GIL，是一个互斥体，它可以阻止多个来自执行中的Python字节码的本地线程同时运行。这个锁很重要主要是因为CPython的内存管理在线程上不安全。（不管怎样，由于GIL的存在，其他特性已经越来越依赖于它（指GIL）强制实行的保证）

大概意思就是，python的多线程是假多线程，因为有GIL的存在，同一时间CPU（不管你几个核）只能执行一条线程。这个GIL已经不可能去掉了，因为它已经成为了CPython的基石的一部分，CPython其他很多功能都依赖它才能运行。

上面是英文老师说的，说必须依赖；但下面中文老师又说了，说可以完全不依赖。

首先需要明确的一点是GIL并不是Python的特性，它是在实现Python解析器(CPython)时所引入的一个概念。就好比C++是一套语言（语法）标准，但是可以用不同的编译器来编译成可执行代码。有名的编译器例如GCC，INTEL C++，Visual C++等。Python也一样，同样一段代码可以通过CPython，PyPy，Psyco等不同的Python执行环境来执行。像其中的JPython就没有GIL。然而因为CPython是大部分环境下默认的Python执行环境。所以在很多人的概念里CPython就是Python，也就想当然的把GIL归结为Python语言的缺陷。所以这里要先明确一点：GIL并不是Python的特性，Python完全可以不依赖于GIL。

这里不争论，先继续往下走。

这篇文章透彻的剖析了GIL对python多线程的影响，强烈推荐看一下：http://www.dabeaz.com/python/UnderstandingGIL.pdf 

下面这个示例很好的解释了GIL

import threading
import time
start_time = time.time()
def run(n):
global num
time.sleep(0.8)
num += 1
num = 0
t_l = [] #存放线程
for i in range(10000):
t = threading.Thread(target=run, args=(‘t-%s‘ % i, ))
t.start()
t_l.append(t) #为了不阻塞其他线程的启动，先放在列表里，最后join
for t in t_l: #循环线程列表，执行所有线程
t.join()
print(‘All threads have ran down!‘, threading.current_thread(), threading.activeCount())
time.sleep(0)
#current_thread显示当前线程
#activeCount显示活动的线程数
print(‘Num: ‘, num)
print(‘Total Cost: ‘, time.time() - start_time)

运行结果

All threads have ran down! <_MainThread(MainThread, started 2848)> 1
Num: 10000
Total Cost: 2.0331716537475586

windows下计算正确，但在Ubuntu Linux或MAC OS上可能会出现计算错误的情况。所以，为什么会计算错误呢？看下图

1. 全局变量num经过图中前5步的执行，到第5步（由于CPU切换上下文所设定的时间）GIL被强制释放。但此时并未完成num+1，所以num此时还是0。
2. 6-11步调用num，完成num+1，并赋值给num，释放GIL，此时num=1。
3. 11-13步调用num，重复之前1-4接13步，这次完成num+1运算，num=2。

亲，我这笔记写的这么好，你看懂了吗？