Python的GIL与多线程困境-优快云博客

Python的多线程并非真正并行，由GIL全局解释器锁限制，导致在多核CPU中仅单核运行。GIL的存在是为了线程安全，但引发效率问题。在CPU密集型任务中，多线程可能更慢。解决方案包括使用multiprocessing、修改GIL机制或尝试其他Python解析器。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一. python的线程

多线程：多线程可以共享本进程中的数据，但是不稳定，如果服务器用多线程来处理可能会因为其中一个线程崩了，而服务器就挂了，相反，多进程一般一个子进程错误，不会导致所有子进程都错误，但是主进程挂了，其他照样都挂。

对于python的多线程实现，其实只是一个线程在跑，不断地进行切换，不是真正的多线程，即使遇到多核cpu，多核cpu只有一个核区发挥其作用，因此，python的多线程用于io密集型的操作中，而在cpu密集型的程序，反而变得更慢。

起因为GIL：

GIL：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.)

之所以有GIL这个大坑主要是因为线程安全，python在多线程中为了使其能够实现线程安全，提高其性能，即在多线程下，不会对全局变量或者静态变量进行污染。通过这样的一个锁，使拥有GIL的线程才能运行，在提高性能的同时，效率却下降了，这是Python在效率和性能间的权衡。

可能出现的问题：

1. Python中释放GIL会触发操作系统的一次线程调度，激起后的线程等待被分配GIL，但是，再多核CPU中，如果该线程在其他核心，因为release gil和acquire gil之间的间隙可以说是很短的，大部分情况下很可能刚释放GIL的线程又再次得到GIL。

2. 而这样，被唤醒的线程只能等待，这也一定程度上影响了IO线程（接收到消息时，有一个CPU密集型的线程仍在不断的释放，再次得到GIL）。此外，Python的线程安全并不是绝对安全，怎么感觉GIL还是没什么用，有时候还是会出错，如下面程序：

import threading
import time

t_obj = []
lock = threading.Lock()
num = 0
def run():
    global num
    #lock.acquire() 
    num += 1
    time.sleep(1)     
    num += 1   
    #lock.release()

for i in range(100):
    t = threading.Thread(target = run)
    t_obj.append(t)
    t.start()

for i in t_obj:
    t.join()

print(num)

可以发现，有时候跑出来的结果比正常值小，解决方法是用Python的一个互斥锁（线程锁），这样GIL的意义我就不太清楚是什么了

只有lock释放的时候，另外一个线程才能启动。出现结果为198的原因如下：

Python的GIL释放算法是基于pcode（通过计算线程执行的微代码数量来进行GIL的切换），还是基于时间的切换。都有一个可能，程序在运行一半时被强行切换，此时Python将其数据暂时保存在缓冲区中，去执行另外一个线程，而没来得及数据的更新，另一个线程取的数据是没有++过的，而两个线程结果返回到内存时，其实可以说只进行了一次操作。（这里有一个猜想，可能被中途中断保存到缓冲区的线程的优先级比较高，不然的话结果可能偏差很大）

其实CPYTHON中已经有了一个pthread线程调度算法，这是c语言自己的一个线程调用机制，应该可以理解为GIL是在pthread的上层对其进行管理。

解决方法：

1. 改进Reworking the GIL
– 将切换颗粒度从基于opcode计数改成基于时间片计数（不知道其作用在哪）
– 避免最近一次释放GIL锁的线程再次被立即调度
– 新增线程优先级功能（高优先级线程可以迫使其他线程释放所持有的GIL锁）

2. 用multiprocess替代Thread，缺点为数据共享时将很浪费资源，要通过一个pickle

3. 用其他解析器，其他解析器有的虽然不用GIL，但是其不是用c语言写的，c语言多模块的优势就体现不了（暂时无体会）

出处：

1.https://www.zhihu.com/question/23474039 Python多线程的妥协

2.http://blog.youkuaiyun.com/q_l_s/article/details/51538039 IO密集型与CPU密集型，多线程与多进程

3.https://www.zhihu.com/question/21486706 余天升编译性语言和解释性语言

4.http://python.jobbole.com/81822/ GIL（重点）

5.https://wiki.python.org/moin/GlobalInterpreterLock （英）GIL