Python的GIL(全局解释器锁)

CPU密集型和IO密集型

IO 密集型使用多线程 CPU 密集型使用多进程

最近在看Python的多线程，经常我们会听到老手说：“python下多线程是鸡肋，推荐使用多进程！”，但是为什么这么说呢？

要知其然，更要知其所以然所以有了下面的深入研究：

 

首先强调背景：

1，GIL是什么？ GIL的全称是Global Interpreter Lock（全局解释器锁），来源是python设计之初的考虑，为了数据安全所做的决定。

2，每个CPU在同一时间只能执行一个线程（在单核CPU下的多线程其实都只是并发，不是并行，并发和并行从宏观上来讲都是同时处理多路请求的概念。但并发和并行又有区别，并行是指两个或者多个事件在同一时刻发生;而并发是指两个或多个事件在同一时间间隔内发生。）


在Python多线程下，每个线程的执行方式：
1.获取GIL 

2.执行代码直到睡或者是python虚拟机将其挂起.

3.释放GIL

可见，某个线程想要执行，必须先拿到GIL，我们可以把GIL看作是“通行证”，并且在一个python的进程中，GIL只有一个。拿不到通行证的线程，就不允许进入CPU执行。

 

在python2.x里，GIL的释放逻辑是当前线程遇见IO操作或者蜱计数达到100（蜱可以看作是蟒自身的一个计数器，专门做用于GIL，每次释放后归零，这个计数可以通过sys.setcheckinterval来调整），进行释放。

而每次释放GIL锁，线程进行锁竞争，切换线程，会消耗资源。并且由于GIL锁存在，蟒里一个进程永远只能同时执行一个线程（拿到GIL的线程才能执行），这就是为什么在多核CPU上，蟒蛇的多线程效率并不高。

 

那么是不是蟒蛇的多线程就完全没用了呢？

在这里我们进行分类讨论：

1，CPU密集型代码（各种循环处理，计数等等），在这种情况下，蜱计数很快就会达到阈值，然后触发GIL的释放与再竞争（多个线程来回切换当然是需要消耗资源的），所以蟒下的多线程对CPU密集型代码并不友好。

2，IO密集型代码（文件处理，网络爬虫等），多线程能够有效提升效率（单线程下有IO操作会进行IO等待，造成不必要的时间浪费，而开启多线程能在线程甲等待时，自动切换到线程B，可以不浪费CPU的资源，从而能提升程序执行效率）。所以蟒的多线程对IO密集型代码比较友好。

 

而在python3.x中，GIL不使用蜱计数，改为使用计时器（执行时间达到阈值后，当前线程释放GIL），这样对CPU密集型程序更加友好，但依然没有解决GIL导致的同一时间只能执行一个线程的问题，所以效率依然不尽如人意。

 

多核多线程比单核多线程更差，原因是单核下多线程，每次释放GIL，唤醒的那个线程都能获取到GIL锁，所以能够无缝执行，但多核下，CPU0释放GIL后，其他CPU上的线程都会进行竞争，但GIL可能会马上又被CPU0拿到，导致其他几个CPU上被唤醒后的线程会醒着等待到切换时间后又进入待调度状态，这样会造成线程颠簸（抖动），导致效率更低

 

回到最开始的问题：经常我们会听到老手说：“python下想要充分利用多核CPU，就用多进程”，原因是什么呢？

原因是：每个进程有各自独立的GIL，互不干扰，这样就可以真正意义上的并行执行，所以在蟒中，多进程的执行效率优于多线程（仅仅针对多核CPU而言）。

 

所以在这里说结论：多核下，想做并行提升效率，通用比较方法的的英文使用多进程，能够有效提高执行效率