python高性能编程--002--全局解释器锁GIL

一、GIL基本概念
1.GIL即为gloabl interpreter lock，全局解释器锁。这个东西是在python解释器之一的cpython中引入的一个概念，因为我们现在常用的python解释器就是cpython这个解释器，故而GIL就在python中经常被提及。在JPython这个python解释器中是不存在GIL这个东西的。
2.从python设计角度看GIL
Python代码的执行由Python虚拟机（也叫解释器主循环）来控制。Python在设计之初就考虑到要在主循环中，同时只有一个线程在执行，就像单CPU的系统中运行多个进程那样，内存中可以存放多个程序，但任意时刻，只有一个程序在CPU中运行。同样地，虽然Python解释器中可以“运行”多个线程，但在任意时刻，只有一个线程在解释器中运行。
对Python虚拟机的访问由全局解释器锁（global interpreter lock, GIL）来控制，正是这个锁能保证同一时刻只有一个线程在运行。
说白了就是为了保证在任意时刻只有一个线程在CPU在解释器中运行。
GIL解决了什么问题：
为了利用多核，python支持多线程，但是线程之间存在数据完整性和状态同步问题，而GIL解决了多线程之间数据完整性和状态同步问题（给运行在解释器上的线程加锁，确保了在某一时刻只有一个线程在解释器中运行）。

GIL的影响：
给线程加锁，会对python多线程的效率有不小的影响，使用多线程进行CPU密集型的操作，会存在频繁的上下文切换，效率低下。

在多线程环境中，Python虚拟机按以下方式执行：

设置GIL
切换都一个线程去运行
运行：a.指定数量的字节码的指令；b.线程主动让出控制；
把线程设置为睡眠状态
解锁GIL
再次重复上述所有步骤

3.如何避免GIL的影响

用multiprocessing代替Thread
通过使用多进程，我们并行运行了一定数量的python解释器，每一个进程都有私有的呢君空间，有自己的GIL，并且每一个都串行运行，所以没有GIL之间的竞争（多进程中，每一个子进程都单独有自己的一个python解释器，所以多进程可以忽略GIL对于性能的影响）。
用其他python解释器