当前位置: 首页 > news >正文

python 全局解释器锁(GIL)

1、GIL(全局解释器锁)

python的GIL(Global Interpreter Lock,全局解释器锁)是CPython解释器(最主流的Python实现)中的一个核心机制,用于保证同一时刻只有一个线程执行Python字节码。它的存在深刻影响了Python的多线程性能,但也简化了CPython的内存管理和线程安全问题。

1.1、GIL的背景与目的

CPython是用C语言实现的Python解释器,其内存管理(如引用计数)并非线程安全,如果多个线程同时修改对象的引用计数,可能导致数据竞争或内存泄漏。为了简化设计,CPython引入了GIL:一个互斥锁,确保同一时间只有一个线程能执行Python代码(即持有GIL)。GIL的核心目的是保护CPython内部的数据结构(如对象、内存管理)免受多线程并发访问的破坏。

1.2、GIL 的工作原理

在CPython中,线程的执行流程如下:

  • 获取GIL:当一个线程开始执行Python代码时,必须先获取GIL。如果GIL已被其他线程占用,当前线程会被阻塞,直到GIL被释放。
  • 执行字节码:持有GIL的线程可以执行Python字节码(通常最多执行约100条指令,或通过sys.setcheckinterval调整)。
  • 释放GIL:当线程执行完一定数量的字节码、遇到I/O操作(如读写文件、网络请求),或主动调用time.sleep()时,会释放GIL,允许其他线程竞争。
  • 重新竞争GIL:释放GIL后,所有等待的线程会通过竞争(或操作系统调度)重新获取GIL,继续执行。

1.3、GIL对多线程的影响

GIL的存在导致Python多线程在CPU密集型任务​中无法充分利用多核CPU,但在I/O密集型任务​中仍能发挥作用。

CPU密集型任务(计算为主)

由于同一时间只有一个线程能执行Python代码,多线程无法并行利用多核。即使启动多个线程,它们也会轮流获取GIL,实际是串行执行。此时多线程的性能甚至可能不如单线程(因线程切换的开销)。

示例代码如下: #!/usr/bin/python3 import threading import time def count(n): sum = 0 for i in range(n): sum += i return sum # 单线程 start = time.time() count(10**8) print(f"单线程计算耗时:{time.time()-start:.2f}s") # 单线程计算耗时:3.61s # 多线程 start = time.time() t1 = threading.Thread(target=count,args=(5*10**7,)) t2 = threading.Thread(target=count,args=(5*10**7,)) t1.start() t2.start() t1.join() t1.join() print(f"双线程计算耗时:{time.time()-start:.2f}s") # 双线程计算耗时:3.68s,甚至更慢(线程切换开销)

I/O密集型任务(等待为主)

当线程遇到I/O操作(如网络请求、文件读写)时,会主动释放GIL,允许其他线程执行。此时多线程可以重叠等待时间,提升效率。

代码示例如下: #!/usr/bin/python3 import threading import time # 文件boot.img大小为17.2MB paths = ["boot.img"]*10 def readFile(path): file = open(path,"rb") while True: data = file.read() if not data: break file.close() start = time.time() for path in paths: readFile(path) print(f"单线程计算耗时:{time.time()-start:.8f}s") # 单线程计算耗时:0.04533887s start = time.time() threads = [] for path in paths: t = threading.Thread(target=readFile,args=(path,)) t.start() threads.append(t) for t in threads: t.join() print(f"多线程计算耗时:{time.time()-start:.8f}s") # 多线程计算耗时:0.02776027s(多线程显著更快,I/O等待时释放GIL)

GIL的争议与局限性

GIL是CPython 的一个经典设计权衡,但也备受争议:

  • 优点:简化了CPython的实现(无需复杂的线程安全设计),降低了开发者处理多线程的门槛。
  • 缺点:限制了CPU密集型任务的并行能力,不符合现代多核 CPU 的需求。
http://www.cnnetsun.cn/news/8398.html

相关文章:

  • 终极电商后台管理系统:mall-admin-web完整使用指南
  • 【量子模拟器开发新突破】:VSCode扩展实战指南,提升开发效率90%
  • 关于内联函数的理解学习
  • Whisper部署实战手册:从环境配置到性能调优的完整解决方案
  • 昇腾AI:不只是一颗芯片,更是一个时代的算力答案
  • 6、网络服务枚举与安全防护全解析
  • 8、Windows系统认证攻击与防范全解析
  • Linux网络参数:现代内核的智能优化之道
  • C# 随机数添加数组对象和数组的查询方法
  • RouterOS 7.19 x86深度技术解析:网络协议优化与系统稳定性关键技术
  • 你还在盲调量子电路?这3个VSCode插件让你秒变QML调试高手
  • RAG知识库——怎么构建一个高质量的知识库
  • 以向善价值观构建数字信任,数美2025 AI风控大会重磅发布“AI风控新范式”
  • 终极嵌入式按键解决方案:MultiButton状态机库实战指南
  • ZyPlayer终极配置指南:3步打造专属影院级体验
  • gmhelper:5分钟快速掌握国密算法SM2/SM3/SM4的完整应用方案
  • 19、高级Shell编程与正则表达式过滤器
  • PHP兼容性检查工具完整指南
  • 基于元胞自动机交通模型的三车道Matlab代码:模拟车辆多车道行驶及可视化分析系统
  • 豆包手机二手价被炒到3.6万元;被曝开发“芯片定位”技术,英伟达:这不是后门;千问月活突破3000万 | 极客头条
  • Wan2.2-T2V-A14B适合哪些行业?五大垂直领域推荐
  • 基于西门子S7-200PLC的自动灌溉系统组态王组态 带解释的梯形图程序,接线图原理图图纸,io分配
  • 机器学习驱动的智能化电池管理技术与应用
  • 如何优化MinerU项目的PaddleOCR模型部署效率
  • SVG.js动画开发终极指南:从入门到精通
  • Python 对象序列化与存储库pickle详细介绍
  • 圣诞快乐!来自代码世界的祝福
  • 一致性的威力:AI如何在B/G端释放数据治理的真正生产力
  • 知行之桥三种接口详解:Webhook、Flow API 与 Admin API
  • CPFEM晶塑动态展示:VUMAT子程序高效率与多维度模型应用测试