GIL全局解释器锁

一、引入：

首先要明白，GIL并不是Python的一个特性，其实在我们通常所称呼的Python解释器，其实是CPython解释器，因为大部分Python程序都是基于该解释器执行的，当然还有JPython解释器（基于Java编写的），而这个GIL则是CPython解释器的特性，而不是Python的特性。

GIL全称：Global Interpreter Lock，官方解释

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.)

结论：在CPython解释器中，同一个进程下开启的多线程，同一时刻只能有一个线程执行，无法利用多核优势

二、GIL介绍

GIL本质上也是一把互斥锁，既然是互斥锁，本质上都是将并发变成串行，以此来控制同一时间内共享数据只能被一个任务所修改，进而保证数据安全。

GIL达到的效果则是，同一时间内只有一个线程能够拿到GIL锁，拿到GIL锁后，该线程就可以使用解释器进行操作。

小例子说明GIL的小部分作用：

没有GIL锁的话，如果有两个线程，一个线程是给变量添加数据，另一个线程则是垃圾回收机制的线程，此时可能就会出现一个问题，一个线程在定义数据产生后，还没有来的及将该数据的内存地址绑定给变量，就被垃圾回收机制给回收了（因为检测到这个数据计数为0），由于都是同一进程下的线程，且还是并发执行的，如果真的是这样执行，将给我们的程序造成很大的隐患。

三、GIL与Lock

可以存在的疑惑，既然有了GIL锁来保证同一时间只能有一个线程运行，那还需要Lock锁干嘛？

首先，我们需要达成共识：锁的目的是为了保护共享的数据，同一时间只能有一个线程来修改共享的数据

然后，我们可以得出结论：保护不同的数据就应该加不同的锁。

最后，问题就很明朗了，GIL 与Lock是两把锁，保护的数据不一样，前者是解释器级别的（当然保护的就是解释器级别的数据，比如垃圾回收的数据），后者是保护用户自己开发的应用程序的数据，很明显GIL不负责这件事，只能用户自定义加锁处理，即Lock

GIL保护的是解释器级别的数据，保护用户自己的数据则需要自己加锁处理，如下图：
　　
再来分析我们的疑问：

如果现在存在100个线程，那么其中某一个线程会抢到GIL锁，我们且称它为：线程1。

当线程1拿到GIL可以使用解释器后，线程1使用一个函数对全局变量count进行+1操作之前进行了互斥锁Lock。

而此时线程1还未执行完+1操作，线程2就把GIL锁给抢走了，此时线程2拿到这个GIL也想来执行这个+1操作，但执行这个函数时，发现有一个Lock未被释放，那它只能阻塞住，被释放GIL。

当线程1再次抢到这个GIL后，继续在上一次暂停的位置完成的+1操作，做完以后，再把Lock、GIL给释放掉。此后其它线程重复1、2、3、4步骤

保护不同的数据就需要加不同的锁

四、GIL与多线程

有了GIL的存在，同一时刻同一进程中只有一个线程被执行

创建进程开销大、而线程开销小，却无法利用多核优势，Python不行了？
要解决这个问题，我们需要在几个点上达成一致：

cpu到底是用来做计算的，还是用来做I/O的？

多cpu，意味着可以有多个核并行完成计算，所以多核提升的是计算性能

每个cpu一旦遇到I/O阻塞，仍然需要等待，所以多核对I/O操作没什么用处

所以我们Python中，多线程是并发操作的，而多进程是可以做到并行操作的。

那么在Python里遇到I/O操作时，线程所用资源以及速度都会优于进程的。

而如果计算的话，多进程则更占据优势

代码示例：计算密集型，多进程效率更高

from multiprocessing import Process
from threading import Thread
import os, timedef work():res = 0for i in range(100000000):res *= iif __name__ == '__main__':l = []print(os.cpu_count())  # 本机为8核start = time.time()for i in range(4):p = Process(target=work)  # 多进程、耗时6s多# p = Thread(target=work)  # 多线程、耗时19s多l.append(p)p.start()for p in l:p.join()stop = time.time()print('run time is %s' % (stop - start))

代码示例：I/O密集型，模拟I/O操作等待时间，线程并发效率更高

from multiprocessing import Process
from threading import Thread
import os, timedef work():time.sleep(4)if __name__ == '__main__':l = []print(os.cpu_count())  # 本机为8核start = time.time()for i in range(4):# p = Process(target=work)  # 多进程、耗时4.1s左右p = Thread(target=work)  # 多线程、耗时4.005s左右l.append(p)p.start()for p in l:p.join()stop = time.time()print('run time is %s' % (stop - start))

因为开启进程的开销会远大于开启线程，而做这种I/O较多的操作，多线程会更具有优势

应用场景举例：

多线程用于IO密集型，如socket，爬虫，web
多进程用于计算密集型，如金融分析

总结

因为GIL的存在，只有IO较多场景下的多线程会得到较好的性能。
如果对并行计算性能较高的程序可以考虑把核心部分也成C模块，或者使用多进程实现。
GIL在较长一段时间内将会继续存在，但是会不断对其进行改进。

技术小白记录学习过程，有错误或不解的地方请指出，如果这篇文章对你有所帮助请点赞收藏+关注 子夜期待您的关注，谢谢支持！

Python GIL全局解释器锁相关推荐

python GIL 全局解释器锁详解
Python多线程另一个很重要的话题--GIL(Global Interpreter Lock,即全局解释器锁)鲜有人知,甚至连很多Python老司机都觉得GIL就是一个谜一.一个不解之谜耳听为虚 ...
python GIL(全局解释器锁)
python C 解释器有一个叫GIL 的东西作用: 每个线程在执行的过程都需要先获取GIL,保证同一时刻只有一个线程可以执行代码. 所以在python中,如果对于CPU密集型任务,多线程是没有用的 ...
python gil 解除_详解Python中的GIL(全局解释器锁)详解及解决GIL的几种方案
先看一道GIL面试题: 描述Python GIL的概念, 以及它对python多线程的影响?编写一个多线程抓取网页的程序,并阐明多线程抓取程序是否可比单线程性能有提升,并解释原因. GIL:又叫全局解 ...
Python中的GIL(全局解释器锁)
1. GIL全称Global Interpreter Lock,每个线程在执行的过程都需要先获取GIL,保证同一时刻只有一个线程可以执行代码. 2.GIL的缺点 GIL使Python不能充分利用多核心 ...
python基础--GIL全局解释器锁、Event事件、信号量、死锁、递归锁
ps:python解释器有很多种,最常见的就是C python解释器 GIL全局解释器锁: GIL本质上是一把互斥锁:将并发变成串行,牺牲效率保证了数据的安全用来阻止同一个进程下的多个线程的同时执行 ...
【Python爬虫学习笔记11】Queue线程安全队列和GIL全局解释器锁
Queue线程安全队列在Python多线程编程中,虽然threading模块为我们提供了Lock类和Condition类借助锁机制来处理线程并发执行,但在实际开发中使用加锁和释放锁仍是一个经常性的且 ...
Python高级——GIL全局解释器锁问题
GIL全局解释器锁 GIL全局解释器锁是cpython解释器内部的一把锁,和python中的lock锁不是一个层面. GIL产生的背景:在cpython解释内部运行多个线程的时候,每个线程都需要解释器 ...
gil php,网络编程之多线程——GIL全局解释器锁
网络编程之多线程--GIL全局解释器锁一.引子定义: In CPython, the global interpreter lock, or GIL, is a mutex that preven ...
python GIL :全局解释器
cpython 解释器中存在一个GIL(全局解释器锁),无论多少个线程.多少颗cpu 他的作用就是保证同一时刻只有一个线程可以执行代码,因此造成了我们使用多线程的时候无法实现并行. 因为有GIL的存在 ...

Python GIL全局解释器锁

目录