一、GIL全局解釋器鎖

1、GIL鎖不是python的特點。而是cpython的特點。

2、在cpython解釋器中，GIL是一把互斥鎖，用來保證進程中同一個時刻只有一個線程在執(zhí)行。

3、在沒有GIL鎖的情況下，有可能多線程在執(zhí)行一個代碼的同時，垃圾回收機制對所執(zhí)行代碼的變量直接進行回收，其他的線程再使用該變量時會導致運行錯誤。

二、為什么會有GIL鎖？

python使用引用計數為主，標記清楚和隔代回收為輔來進行內存管理。所有python腳本中創(chuàng)建的對象，都會配備一個引用計數，來記錄有多少個指針來指向它。當對象的引用技術為0時，會自動釋放其所占用的內存。

假設有2個python線程同時引用一個數據（a=100，引用計數為1），

2個線程都會去操作該數據，由于多線程對同一個資源的競爭，實際上引用計數為3，

但是由于沒有GIL鎖，導致引用計數只增加1（引用計數為2）

這造成的后果是，當第1個線程結束時，會把引用計數減少為1；當第2個線程結束時，會把引用計數減少為0；

當下一個線程再次視圖訪問這個數據時，就無法找到有效的內存了**

三、多線程無法利用多核優(yōu)勢？

由于GIL鎖的存在，即使是多個線程處理任務，但是最終只有一個線程在工作，那么是不是多線程真的一點用處都沒有了呢？

對于需要執(zhí)行的任務來說，分為兩種：計算密集型、IO 密集型

假如一個計算密集型的任務需要10s的執(zhí)行時間，總共有4個這樣的任務

在 4核及以上的情況下：
多進程：需要開啟 4 個進程，但是 4 個 CPU 并行，最終只需要消耗 10s 多一點的時間。
多線程：只需要開1 個進程，這個進程開啟 4 個線程，開啟線程所消耗的資源很少，但是由于最終執(zhí)行是只有一個 CPU 可以工作，所以最終消耗 40s 多的時間。

假如是多個 IO密集型 的任務

CPU 大多數時間是處于閑置狀態(tài)，頻繁的切換

多進程：進程進行切換需要消耗大量資源
多線程：線程進行切換并不需要消耗大量資源

計算密集型和IO密集型

計算密集型：要進行大量的數值計算，例如進行上億的數字計算、計算圓周率、對視頻進行高清解碼等等。這種計算密集型任務雖然也可以用多任務完成，但是花費的主要時間在任務切換的時間，此時CPU執(zhí)行任務的效率比較低。

IO密集型：涉及到網絡請求(time.sleep())、磁盤IO的任務都是IO密集型任務，這類任務的特點是CPU消耗很少，任務的大部分時間都在等待IO操作完成（因為IO的速度遠遠低于CPU和內存的速度）。對于IO密集型任務，任務越多，CPU效率越高，但也有一個限度。

計算密集型——采用多進程

執(zhí)行時間為： 4.062887668609619

from multiprocessing import Process
import time

def func1():
    sum=0
    for i in range(100000000):
        sum+=1
    print(sum)

if __name__ == '__main__':

    now=time.time()
    l=[]
    for i in range(10):
        p=Process(target=func1)
        p.start()
        l.append(p)
    for p in l:
        p.join()
    end=time.time()
    print('執(zhí)行時間為：',end-now)

計算密集型——采用多線程

執(zhí)行時間為： 27.6159188747406

from threading import Thread
import time

def func1():
    sum=0
    for i in range(100000000):
        sum+=1
    print(sum)

if __name__ == '__main__':

    now=time.time()
    l=[]
    for i in range(10):
        p=Thread(target=func1)
        p.start()
        l.append(p)
    for p in l:
        p.join()
    end=time.time()
    print('執(zhí)行時間為：',end-now)

IO密集型——采用多進程

執(zhí)行時間為： 5.388434886932373

from multiprocessing import Process
import time

def func1():
    time.sleep(2)

if __name__ == '__main__':

    now=time.time()
    l=[]
    for i in range(100):
        p=Process(target=func1)
        p.start()
        l.append(p)
    for p in l:
        p.join()
    end=time.time()
    print('執(zhí)行時間為：',end-now)

IO密集型——采用多線程

執(zhí)行時間為： 2.0174973011016846

from threading import Thread
import time

def func1():
    time.sleep(2)

if __name__ == '__main__':

    now=time.time()
    l=[]
    for i in range(100):
        p=Thread(target=func1)
        p.start()
        l.append(p)
    for p in l:
        p.join()
    end=time.time()
    print('執(zhí)行時間為：',end-now)

四、總結

對于IO密集型應用，即便有GIL存在，由于IO操作會導致GIL釋放，其他線程能夠獲得執(zhí)行權限。由于多線程的通訊成本低于多進程，因此偏向使用多線程。

對于計算密集型應用，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)，導致多線程處于絕對的劣勢，此時可以采用多進程+協程。

到此這篇關于python全局解釋器GIL鎖機制的文章就介紹到這了,更多相關python GIL鎖詳解內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論