前言：

python的使用者都知道Cpython解釋器有一個弊端，真正執(zhí)行時同一時間只會有一個線程執(zhí)行，這是由于設(shè)計者當(dāng)初設(shè)計的一個缺陷，里面有個叫GIL鎖的，但他到底是什么？我們只知道因?yàn)樗麑?dǎo)致python使用多線程執(zhí)行時，其實(shí)一直是單線程，但是原理卻不知道，那么接下來我們就認(rèn)識一下GIL鎖

1、什么是GIL鎖

GIL（Global Interpreter Lock）不是Python獨(dú)有的特性，它只是在實(shí)現(xiàn)CPython（Python解釋器）時，引入的一個概念。

在官方網(wǎng)站中定義如下：

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.)

由定義可知，GIL是一個互斥鎖（mutex）。它阻止了多個線程同時執(zhí)行Python字節(jié)碼，毫無疑問，這降低了執(zhí)行效率。理解GIL的必要性，需要了解CPython對于線程安全的內(nèi)存管理機(jī)制。

2、CPython對線程安全的內(nèi)存管理機(jī)制

Python使用引用計數(shù)來進(jìn)行內(nèi)存管理，在Python中創(chuàng)建的對象都會有引用計數(shù)，來記錄有多少個指針指向它。當(dāng)引用計數(shù)的值為0時，就會自動釋放內(nèi)存

我們來看一個小例子，來解釋引用計數(shù)的原理：

>>> import sys
>>> a = []
>>> b = a
>>> sys.getrefcount(a)
3

可以看到，a 的引用計數(shù)值為 3，因?yàn)橛?a、b 和作為參數(shù)傳遞的 getrefcount 都引用了一個空列表。
如果有2個python線程同時引用a，那么2個線程都會嘗試對其進(jìn)行數(shù)據(jù)操作，多個線程同時對一個數(shù)據(jù)進(jìn)行增加或減少的操作，如果發(fā)生這種情況，則可能導(dǎo)致內(nèi)存泄漏

3、GIL鎖的產(chǎn)生

由于多個線程同時對數(shù)據(jù)進(jìn)行操作，會引發(fā)數(shù)據(jù)不一致，導(dǎo)致內(nèi)存泄漏，我們可以對其進(jìn)行加鎖，所以Cpython就創(chuàng)建了GIL鎖

但是既然有了鎖，一個對象就需要一把鎖，那么多個對象就會有多把鎖，可能會給我們帶來2個問題

• 1.死鎖（線程之間互相爭搶鎖的資源）
• 2.反復(fù)獲取和釋放鎖而導(dǎo)致性能降低。
  

為了保證單線程情況下python的正常執(zhí)行和效率，GIL鎖（單一鎖）由此產(chǎn)生了，它添加了一個規(guī)則，即任何Python字節(jié)碼的執(zhí)行都需要獲取解釋器鎖。這樣可以防止死鎖（因?yàn)橹挥幸粋€鎖），并且不會帶來太多的性能開銷。但這實(shí)際上使所有受CPU約束的Python程序（指的是CPU密集型程序）都是單線程的。

4、GIL鎖的底層原理

上面這張圖，就是 GIL 在 Python 程序的工作示例。其中，Thread 1、2、3 輪流執(zhí)行，每一個線程在開始執(zhí)行時，都會鎖住 GIL，以阻止別的線程執(zhí)行；同樣的，每一個線程執(zhí)行完一段后，會釋放 GIL，以允許別的線程開始利用資源。

線程釋放GIL鎖有兩種情況：

• 一是遇到IO操作，
• 二是Time Tick到期。IO操作很好理解

比如發(fā)出一個http請求，等待響應(yīng)。那么Time Tick到期是什么呢？Time Tick規(guī)定了線程的最長執(zhí)行時間，超過時間后自動釋放GIL鎖。Python 3 以后，間隔時間大致為15毫秒。
 

雖然都是釋放GIL鎖，但這兩種情況是不一樣的。比如，Thread1遇到IO操作釋放GIL，由Thread2和Thread3來競爭這個GIL鎖，Thread1不再參與這次競爭。如果是Thread1因?yàn)門ime Tick到期釋放GIL(多數(shù)是CPU密集型任務(wù))，那么三個線程可以同時競爭這把GIL鎖，可能出現(xiàn)Thread1在競爭中勝出，再次執(zhí)行的情況。單核CPU下，這種情況不算特別糟糕。因?yàn)橹挥?個CPU，所以CPU的利用率是很高的。

在多核CPU下，由于GIL鎖的全局特性，無法發(fā)揮多核的特性，GIL鎖會使得多線程任務(wù)的效率大大降低。

Thread1在CPU1上運(yùn)行，Thread2在CPU2上運(yùn)行。GIL是全局的，CPU2上的Thread2需要等待CPU1上的Thread1讓出GIL鎖，才有可能執(zhí)行。如果在多次競爭中，Thread1都勝出，Thread2沒有得到GIL鎖，意味著CPU2一直是閑置的，無法發(fā)揮多核的優(yōu)勢。

為了避免同一線程霸占CPU，在python3.2版本之后，線程會自動的調(diào)整自己的優(yōu)先級，使得多線程任務(wù)執(zhí)行效率更高。
既然GIL降低了多核的效率，那保留它的目的是什么呢？這就和線程執(zhí)行的安全有關(guān)。

5、Python GIL不能絕對保證線程安全

def add():
    global n
    for i in range(10**1000):
        n = n +1
def sub():
    global n
    for i in range(10**1000):
        n = n - 1
n = 0
import threading
a = threading.Thread(target=add,)
b = threading.Thread(target=sub,)
a.start()
b.start()
a.join()
b.join()
print n

上面的程序?qū)做了同樣數(shù)量的加法和減法，那么n理論上是0。但運(yùn)行程序，打印n，發(fā)現(xiàn)它不是0。問題出在哪里呢，問題在于python的每行代碼不是原子化的操作。比如n = n+1這步，不是一次性執(zhí)行的。如果去查看python編譯后的字節(jié)碼執(zhí)行過程，可以看到如下結(jié)果。

19 LOAD_GLOBAL              1 (n)
22 LOAD_CONST               3 (1)
25 BINARY_ADD          
26 STORE_GLOBAL             1 (n)

從過程可以看出，n = n +1操作分成了四步完成。因此，n = n+1不是一個原子化操作。

• 1.加載全局變量n
• 2.加載常數(shù)1
• 3.進(jìn)行二進(jìn)制加法運(yùn)算
• 4.將運(yùn)算結(jié)果存入變量n。
  

根據(jù)前面的線程釋放GIL鎖原則，線程a執(zhí)行這四步的過程中，有可能會讓出GIL。如果這樣，n=n+1的運(yùn)算過程就被打亂了。最后的結(jié)果中，得到一個非零的n也就不足為奇。

6、總結(jié)

對于IO密集型應(yīng)用，多線程的應(yīng)用和多進(jìn)程應(yīng)用區(qū)別不大。即便有GIL存在，由于IO操作會導(dǎo)致GIL釋放，其他線程能夠獲得執(zhí)行權(quán)限。由于多線程的通訊成本低于多進(jìn)程，因此偏向使用多線程。

對于計算密集型應(yīng)用，由于CPU一直處于被占用狀態(tài)，GIL鎖直到規(guī)定時間才會釋放，然后才會切換狀態(tài)，導(dǎo)致多線程處于絕對的劣勢，此時可以采用多進(jìn)程+協(xié)程。

到此這篇關(guān)于python 深入了解GIL鎖詳細(xì)的文章就介紹到這了,更多相關(guān)python 深入了解GIL鎖內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

參考資料：

https://realpython.com/python-gil/
https://zhuanlan.zhihu.com/p/97218985

最新評論