先看一道GIL面試題：

描述Python GIL的概念， 以及它對(duì)python多線程的影響？編寫一個(gè)多線程抓取網(wǎng)頁(yè)的程序，并闡明多線程抓取程序是否可比單線程性能有提升，并解釋原因。

GIL：又叫全局解釋器鎖，每個(gè)線程在執(zhí)行的過程中都需要先獲取GIL，保證同一時(shí)刻只有一個(gè)線程在運(yùn)行，目的是解決多線程同時(shí)競(jìng)爭(zhēng)程序中的全局變量而出現(xiàn)的線程安全問題。它并不是python語言的特性，僅僅是由于歷史的原因在CPython解釋器中難以移除，因?yàn)閜ython語言運(yùn)行環(huán)境大部分默認(rèn)在CPython解釋器中。

通過一個(gè)案例了解單線程和多線程的cpu占用率：

打開Ubuntu終端命令：輸入htop，回車，紅色箭頭指向的2代表此時(shí)我的虛擬機(jī)中CPU有兩個(gè)核心數(shù)

下面通過一個(gè)案例了解單線程死循環(huán)和多線程死循環(huán)的CPU占用率：

單線程死循環(huán).py： 

#coding=utf-8
while True:
  pass

運(yùn)行該程序，出現(xiàn)以下界面：

此時(shí)新開一個(gè)窗口，輸入htop，查看CPU占用率，其中一個(gè)CPU占用率幾乎為100%：

兩個(gè)線程死循環(huán).py

#coding=utf-8
import threading
 
#子線程死循環(huán)
def test():
  while True:
    pass
 
t1=threading.Thread(target=test)
t1.start()
 
#主線程死循環(huán),
while True:
  pass

此時(shí)新開一個(gè)終端，輸入htop查看CPU占用率，可以看到兩個(gè)CPU任何一個(gè)并沒有全部占滿，而是交替執(zhí)行的：

 這也就驗(yàn)證了多線程下每個(gè)線程在執(zhí)行的過程中都需要先獲取GIL，保證同一時(shí)刻只有一個(gè)線程在運(yùn)行。

由于GIL的存在，即使是多線程，事實(shí)上同一時(shí)刻只能保證一個(gè)線程在運(yùn)行，既然這樣多線程的運(yùn)行效率不就和單線程一樣了嗎，那為什么還要使用多線程呢？

由于以前的電腦基本都是單核CPU，多線程和單線程幾乎看不出差別，可是由于計(jì)算機(jī)的迅速發(fā)展，現(xiàn)在的電腦幾乎都是多核CPU了，最少也是兩個(gè)核心數(shù)的，這時(shí)差別就出來了：通過之前的案例我們已經(jīng)知道，即使在多核CPU中，多線程同一時(shí)刻也只有一個(gè)線程在運(yùn)行，這樣不僅不能利用多核CPU的優(yōu)勢(shì)，反而由于每個(gè)線程在多個(gè)CPU上是交替執(zhí)行的，導(dǎo)致在不同CPU上切換時(shí)造成資源的浪費(fèi)，反而會(huì)更慢。即原因是一個(gè)進(jìn)程只存在一把gil鎖，當(dāng)在執(zhí)行多個(gè)線程時(shí)，內(nèi)部會(huì)爭(zhēng)搶gil鎖，這會(huì)造成當(dāng)某一個(gè)線程沒有搶到鎖的時(shí)候會(huì)讓cpu等待，進(jìn)而不能合理利用多核cpu資源。

例如在使用多線程抓取網(wǎng)頁(yè)內(nèi)容時(shí)，遇到IO阻塞時(shí)，正在執(zhí)行的線程會(huì)暫時(shí)釋放GIL鎖，這時(shí)其它線程會(huì)利用這個(gè)空隙時(shí)間，執(zhí)行自己的代碼，因此多線程抓取比單線程抓取性能要好。

說到在這里要先介紹兩個(gè)概念：計(jì)算密集型和IO密集型

計(jì)算密集型：要進(jìn)行大量的數(shù)值計(jì)算，例如進(jìn)行上億的數(shù)字計(jì)算、計(jì)算圓周率、對(duì)視頻進(jìn)行高清解碼等等。這種計(jì)算密集型任務(wù)雖然也可以用多任務(wù)完成，但是花費(fèi)的主要時(shí)間在任務(wù)切換的時(shí)間，此時(shí)CPU執(zhí)行任務(wù)的效率比較低。

IO密集型：涉及到網(wǎng)絡(luò)請(qǐng)求(time.sleep())、磁盤IO的任務(wù)都是IO密集型任務(wù)，這類任務(wù)的特點(diǎn)是CPU消耗很少，任務(wù)的大部分時(shí)間都在等待IO操作完成（因?yàn)镮O的速度遠(yuǎn)遠(yuǎn)低于CPU和內(nèi)存的速度）。對(duì)于IO密集型任務(wù)，任務(wù)越多，CPU效率越高，但也有一個(gè)限度。

解決GIL問題的方案：

1.使用其它語言，例如C,Java

2.使用其它解釋器，如java的解釋器jython

3.使用多進(jìn)程

線程釋放GIL鎖的情況：

1.在IO操作等可能會(huì)引起阻塞的system call之前,可以暫時(shí)釋放GIL,但在執(zhí)行完畢后,必須重新獲取GIL。

2.Python 3.x使用計(jì)時(shí)器（執(zhí)行時(shí)間達(dá)到閾值后，當(dāng)前線程釋放GIL）或Python 2.x，tickets計(jì)數(shù)達(dá)到100。

GIL面試題參考答案：

• Python語言和GIL沒有什么關(guān)系。僅僅是由于歷史原因在Cpython虛擬機(jī)(解釋器)，難以移除GIL。
• GIL：全局解釋器鎖。每個(gè)線程在執(zhí)行的過程都需要先獲取GIL，保證同一時(shí)刻只有一個(gè)線程可以執(zhí)行代碼。
• 線程釋放GIL鎖的情況： 在IO操作等可能會(huì)引起阻塞的system call之前,可以暫時(shí)釋放GIL,但在執(zhí)行完畢后,必須重新獲取GIL Python 3.x使用計(jì)時(shí)器（執(zhí)行時(shí)間達(dá)到閾值后，當(dāng)前線程釋放GIL）或Python 2.x，tickets計(jì)數(shù)達(dá)到100。
• Python使用多進(jìn)程是可以利用多核的CPU資源的。
• 多線程爬取比單線程性能有提升，因?yàn)橛龅絀O阻塞會(huì)自動(dòng)釋放GIL鎖。

到此這篇關(guān)于詳解Python中的GIL(全局解釋器鎖)詳解及解決GIL的幾種方案的文章就介紹到這了,更多相關(guān)Python GIL全局解釋器鎖內(nèi)容請(qǐng)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！

最新評(píng)論