pythongil锁_pythonGIL锁问题

一、GIL是什么

官方解释&＃xff1a;

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.)

这段话的意思就是说&＃xff1a;在Cpython解释器中&＃xff0c;同一个进程下开启的多线程&＃xff0c;同一时刻只能有一个线程执行&＃xff0c;无法利用多核优势

接下来&＃xff0c;我们需要明确的一点是GIL并不是Python的特性&＃xff0c;它是在实现Python解析器(CPython)时所引入的一个概念。就好比C&＃43;&＃43;是一套语言&＃xff08;语法&＃xff09;标准&＃xff0c;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&＃xff0c;INTEL C&＃43;&＃43;&＃xff0c;Visual C&＃43;&＃43;等。Python也一样&＃xff0c;同样一段代码可以通过CPython&＃xff0c;PyPy&＃xff0c;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&＃xff0c;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&＃xff1a;GIL并不是Python的特性&＃xff0c;Python完全可以不依赖于GIL。

二、GIL介绍

GIL本质就是一把互斥锁&＃xff0c;既然是互斥锁&＃xff0c;所有互斥锁的本质都一样&＃xff0c;都是将并发运行变成串行&＃xff0c;以此来控制同一时间内共享数据只能被一个任务所修改&＃xff0c;进而保证数据安全。保护不同的数据的安全&＃xff0c;就应该加不同的锁。

每执行一个python程序&＃xff0c;就是开启一个进程&＃xff0c;在一个python的进程内&＃xff0c;不仅有其主线程或者由该主线程开启的其他线程&＃xff0c;还有解释器开启的垃圾回收等解释器级别的线程&＃xff0c;所有的线程都运行在这一个进程内&＃xff0c;所以&＃xff1a;

1、所有数据都是共享的&＃xff0c;这其中&＃xff0c;代码作为一种数据也是被所有线程共享的&＃xff08;test.py的所有代码以及Cpython解释器的所有代码&＃xff09;2、所有线程的任务&＃xff0c;都需要将任务的代码当做参数传给解释器的代码去执行&＃xff0c;即所有的线程要想运行自己的任务&＃xff0c;首先需要解决的是能够访问到解释器的代码。

综上&＃xff1a;

如果多个线程的target&＃61;work&＃xff0c;那么执行流程是

多个线程先访问到解释器的代码&＃xff0c;即拿到执行权限&＃xff0c;然后将target的代码交给解释器的代码去执行

解释器的代码是所有线程共享的&＃xff0c;所以垃圾回收线程也可能访问到解释器的代码而去执行&＃xff0c;这就导致了一个问题:对于同一个数据100&＃xff0c;可能线程1执行x&＃61;100的同时&＃xff0c;而垃圾回收执行的是回收100的操作&＃xff0c;解决这种问题没有什么高明的方法&＃xff0c;就是加锁处理&＃xff0c;如下图的GIL&＃xff0c;保证python解释器同一时间只能执行一个任务的代码

三、GIL与Lock

GIL保护的是解释器级的数据&＃xff0c;保护用户自己的数据则需要自己加锁处理&＃xff0c;如下图

四、GIL与多线程

有了GIL的存在&＃xff0c;python有这两个特点&＃xff1a;

1、进程可以利用多核&＃xff0c;但是开销大。

2、多线程开销小&＃xff0c;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&＃xff0c;Python解释器虽然可以开启多个线程&＃xff0c;但同一时间只有一个线程能在解释器中执行&＃xff0c;而做到这一点正是由于GIL锁的存在&＃xff0c;它的存在使得CPU的资源同一时间只会给一个线程使用&＃xff0c;而由于开启线程的开销小&＃xff0c;所以多线程才能有一片用武之地&＃xff0c;不然就真的是鸡肋了。

而python的多线程到底有没有用&＃xff0c;我们需要看任务是I/O密集型&＃xff0c;还是计算密集型&＃xff1a;

如果是I/O密集型任务&＃xff0c;有再多核也没用&＃xff0c;即能开再多进程也没用&＃xff0c;所以我们利用python的多线程一点问题也没有&＃xff1b;

如果是计算密集型任务&＃xff0c;我们就直接使用多进程就可以了