python全局解释器GIL锁机制详解

目录

• 一、GIL全局解释器锁
• 二、为什么会有GIL锁？
• 三、多线程无法利用多核优势？
• 计算密集型和IO密集型
• 计算密集型——采用多进程
• 计算密集型——采用多线程
• IO密集型——采用多进程
• IO密集型——采用多线程
• 四、总结

一、GIL全局解释器锁

1、GIL锁不是python的特点。而是cpython的特点。

2、在cpython解释器中，GIL是一把互斥锁，用来保证进程中同一个时刻只有一个线程在执行。

3、在没有GIL锁的情况下，有可能多线程在执行一个代码的同时，垃圾回收机制对所执行代码的变量直接进行回收，其他的线程再使用该变量时会导致运行错误。

二、为什么会有GIL锁？

python使用引用计数为主，标记清楚和隔代回收为辅来进行内存管理。所有python脚本中创建的对象，都会配备一个引用计数，来记录有多少个指针来指向它。当对象的引用技术为0时，会自动释放其所占用的内存。

假设有2个python线程同时引用一个数据（a=100，引用计数为1），

2个线程都会去操作该数据，由于多线程对同一个资源的竞争，实际上引用计数为3，

但是由于没有GIL锁，导致引用计数只增加1（引用计数为2）

这造成的后果是，当第1个线程结束时，会android把引用计数减少为1；当第2个线程结束时，会把引用计数减少为0；

当下一个线程再次视图访问这个数据时，就无法找到有效的内存了**

三、多线程无法利用多核优势？

由于GIL锁的存在，即使是多个线程处理任务，但是最终只有一个线程在工作，那么是不是多线程真的一点用处都没有了呢？

对于需要执行的任务来说，分为两种：计算密集型、IO 密集型

假如一个计算密集型的任务需要10s的执行时间，总共有4个这样的任务

在 4核及以上的情况下：

多进程：需要开启 4 个进程，但是 4 个 CPU 并行，最终只需要消耗 10s 多一点的时间。

多线程：只需要开1 个进程，这个www.devze.com进程开启 4 个线程，开启线程所消耗的资源很少，但是由于最终执行是只有一个 CPU 可以工作，所以最终消耗 40s 多的时间。

假如是多个 IO密集型 的任务

CPU 大多数时间是处于闲置状态，频繁的切换

多进程：进程进行切换需要消耗大量资源

多线程：线程进行切换并不需要消耗大量资源

计算密集型和IO密集型

计算密集型：要进行大量的数值计算，例如进行上亿的数字计算、计算圆周率、对视频进行高清解码等等。这种计算密集型任务虽然也可以用多任务完成，但是花费的主要时间在任务切换的时间，此时CPU执行任务的效率比较低。

IO密集型：涉及到网络请求(time.sleep())、磁盘IO的任务都是IO密集型任务，这类任务的特点是CPU消耗很少，任务的大部分时间都在等待IO操作完成（因为IO的速度远远低于CPU和内存的速度）。对于IO密集型任务，任务越多，CPU效率越高，但也有一个限度。

计算密集型——采用多进程

执行时间为： 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=[]
    fo编程r i in range(10):
        p=Process(target=func1)
        p.start()
        l.append(p)
    for p in l:
        p.join()
    end=time.time()
    print('执行时间为：',end-now)

计算密集型——采用多线程

执行时间为： 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('执行时间为：',end-now)

IO密集型——采用多进程

执行时间为： 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('执行时间为：',end-now)

IO密集型——采用多线程

执行时间为： 2.0174973lZVtAGZs01101684python6

from threading import Thread
import time

def func1():
    time.sleep(2)

if __name__ == '__main__':

开发者_自学开发    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('执行时间为：',end-now)

四、总结

对于IO密集型应用，即便有GIL存在，由于IO操作会导致GIL释放，其他线程能够获得执行权限。由于多线程的通讯成本低于多进程，因此偏向使用多线程。

对于计算密集型应用，由于CPU一直处于被占用状态，GIL锁直到规定时间才会释放，然后才会切换状态，导致多线程处于绝对的劣势，此时可以采用多进程+协程。

到此这篇关于python全局解释器GIL锁机制的文章就介绍到这了,更多相关python GIL锁详解内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！