Python進階:GIL（全局解釋器鎖）

一個不解之謎

　　一段代碼

def CountDown(n):
    while n > 0:
        n -= 1

# CountDown(100000000)
#==8秒

from threading import Thread

n = 100000000

t1 = Thread(target=CountDown, args=[n // 2])
t2 = Thread(target=CountDown, args=[n // 2])
t1.start()
t2.start()
t1.join()
t2.join()
#==9s

　　能夠看出，多線程並無讓上面代碼變得更快，這是Python的問題？

　　Python的線程，的的確確封裝了底層操做系統線程。在Linux系統裏是Pthread（全稱爲POSIXThread），而在Windows系統裏是WindowsThread。

爲何有GIL

　　GIL，是最流行的 Python 解釋器 CPython 中的一個技術術語。它的意思是全局解釋器鎖，本質上是相似操做系統的 Mutex。每個 Python 線程，在 CPython 解釋器中執行時，都會先鎖住本身的線程，阻止別的線程執行。CPython 會作一些小把戲，輪流執行 Python 線程。

　　因此說，CPython 引進 GIL 其實主要就是這麼兩個緣由：

　　一是設計者爲了規避相似於內存管理這樣的複雜的競爭風險問題（race condition）；

　　二是由於 CPython 大量使用 C 語言庫，但大部分 C 語言庫都不是原生線程安全的（線程安全會下降性能和增長複雜度）。

GIL 是如何工做的？

　　如圖,Thread 一、二、3 輪流執行，每個線程在開始執行時，都會鎖住 GIL，以阻止別的線程執行；一樣的，每個線程執行完一段後，會釋放 GIL，以容許別的線程開始利用資源。

　　

　　

　　CPython還有check interval機制。早期的 Python 是 100 個 ticks，大體對應了 1000 個 bytecodes；而 Python 3 之後，interval 是 15 毫秒。

for (;;) {
    if (--ticker < 0) {
        ticker = check_interval;
    
        /* Give another thread a chance */
        PyThread_release_lock(interpreter_lock);
    
        /* Other threads may run now */
    
        PyThread_acquire_lock(interpreter_lock, 1);
    }

    bytecode = *next_instr++;
    switch (bytecode) {
        /* execute the next instruction ... */ 
    }
}

　　從這段代碼中，咱們能夠看到，每一個 Python 線程都會先檢查 ticker 計數。只有在 ticker 大於 0 的狀況下，線程纔會去執行本身的 bytecode。

Python 的線程安全

　　GIL 的設計，主要是爲了方便 CPython 解釋器層面的編寫者，而不是 Python 應用層面的程序員。

　　做爲 Python 的使用者，咱們仍是須要 lock 等工具，來確保線程安全。好比下面的這個例子：

n = 0
lock = threading.Lock()

def foo():
    global n
    with lock:
        n += 1

如何繞過 GIL？

　　事實上，不少高性能應用場景都已經有大量的 C 實現的 Python 庫，例如 NumPy 的矩陣運算，就都是經過 C 來實現的，並不受 GIL 影響。 因此，大部分應用狀況下，你並不須要過多考慮 GIL。由於若是多線程計算成爲性能瓶頸，每每已經有 Python 庫來解決這個問題了。

　　總的來講，繞過 GIL 的大體思路有這麼兩種就夠了：

　　1. 繞過 CPython，使用 JPython（Java 實現的 Python 解釋器）等別的實現；

　　2. 把關鍵性能代碼，放到別的語言（通常是 C++）中實現。

參考

　　極客時間《Python核心技術實戰》專欄