Python GIL全局解释器锁详解(深度剖析)

https://www.cnblogs.com/1996-11-01-614lb/p/7988988.html

通过前面的学习,我们了解了 Pyton 并发编程的特性以及什么是多线程编程。其实除此之外,Python 多线程还有一个很重要的知识点,就是本节要讲的 GIL。

GIL,中文译为全局解释器锁。在讲解 GIL 之前,首先通过一个例子来直观感受一下 GIL 在 Python 多线程程序运行的影响。

首先运行如下程序:

 
  1. import time
  2. start = time.clock()
  3. def CountDown(n):
  4. while n > 0:
  5. n -= 1
  6. CountDown(100000)
  7. print("Time used:",(time.clock() - start))

运行结果为:

Time used: 0.0039529000000000005


在我们的印象中,使用多个(适量)线程是可以加快程序运行效率的,因此可以尝试将上面程序改成如下方式:

 
  1. import time
  2. from threading import Thread
  3. start = time.clock()
  4. def CountDown(n):
  5. while n > 0:
  6. n -= 1
  7. t1 = Thread(target=CountDown, args=[100000 // 2])
  8. t2 = Thread(target=CountDown, args=[100000 // 2])
  9. t1.start()
  10. t2.start()
  11. t1.join()
  12. t2.join()
  13. print("Time used:",(time.clock() - start))

运行结果为:

Time used: 0.006673

可以看到,此程序中使用了 2 个线程来执行和上面代码相同的工作,但从输出结果中可以看到,运行效率非但没有提高,反而降低了。

如果使用更多线程进行尝试,会发现其运行效率和 2 个线程效率几乎一样(本机器测试使用 4 个线程,其执行效率约为 0.005)。这里不再给出具体测试代码,有兴趣的读者可自行测试。

是不是和你猜想的结果不一样?事实上,得到这样的结果是肯定的,因为 GIL 限制了 Python 多线程的性能不会像我们预期的那样。

那么,什么是 GIL 呢?GIL 是最流程的 CPython 解释器(平常称为 Python)中的一个技术术语,中文译为全局解释器锁,其本质上类似操作系统的 Mutex。GIL 的功能是:在 CPython 解释器中执行的每一个 Python 线程,都会先锁住自己,以阻止别的线程执行。

当然,CPython 不可能容忍一个线程一直独占解释器,它会轮流执行 Python 线程。这样一来,用户看到的就是“伪”并行,即 Python 线程在交替执行,来模拟真正并行的线程。

有读者可能会问,既然 CPython 能控制线程伪并行,为什么还需要 GIL 呢?其实,这和 CPython 的底层内存管理有关。

CPython 使用引用计数来管理内容,所有 Python 脚本中创建的实例,都会配备一个引用计数,来记录有多少个指针来指向它。当实例的引用计数的值为 0 时,会自动释放其所占的内存。

举个例子,看如下代码:

>>> import sys
>>> a = []
>>> b = a
>>> sys.getrefcount(a)
3

可以看到,a 的引用计数值为 3,因为有 a、b 和作为参数传递的 getrefcount 都引用了一个空列表。

假设有两个 Python 线程同时引用 a,那么双方就都会尝试操作该数据,很有可能造成引用计数的条件竞争,导致引用计数只增加 1(实际应增加 2),这造成的后果是,当第一个线程结束时,会把引用计数减少 1,此时可能已经达到释放内存的条件(引用计数为 0),当第 2 个线程再次视图访问 a 时,就无法找到有效的内存了。

所以,CPython 引进 GIL,可以最大程度上规避类似内存管理这样复杂的竞争风险问题。

Python GIL底层实现原理

Python GIL全局解释器锁详解(深度剖析)_第1张图片
图 1 GIL 工作流程示意图


上面这张图,就是 GIL 在 Python 程序的工作示例。其中,Thread 1、2、3 轮流执行,每一个线程在开始执行时,都会锁住 GIL,以阻止别的线程执行;同样的,每一个线程执行完一段后,会释放 GIL,以允许别的线程开始利用资源。

读者可能会问,为什么 Python 线程会去主动释放 GIL 呢?毕竟,如果仅仅要求 Python 线程在开始执行时锁住 GIL,且永远不去释放 GIL,那别的线程就都没有运行的机会。其实,CPython 中还有另一个机制,叫做间隔式检查(check_interval),意思是 CPython 解释器会去轮询检查线程 GIL 的锁住情况,每隔一段时间,Python 解释器就会强制当前线程去释放 GIL,这样别的线程才能有执行的机会。

注意,不同版本的 Python,其间隔式检查的实现方式并不一样。早期的 Python 是 100 个刻度(大致对应了 1000 个字节码);而 Python 3 以后,间隔时间大致为 15 毫秒。当然,我们不必细究具体多久会强制释放 GIL,读者只需要明白,CPython 解释器会在一个“合理”的时间范围内释放 GIL 就可以了。

整体来说,每一个 Python 线程都是类似这样循环的封装,来看下面这段代码:

 
  1. for (;;) {
  2. if (--ticker < 0) {
  3. ticker = check_interval;
  4. /* Give another thread a chance */
  5. PyThread_release_lock(interpreter_lock);
  6. /* Other threads may run now */
  7. PyThread_acquire_lock(interpreter_lock, 1);
  8. }
  9. bytecode = *next_instr++;
  10. switch (bytecode) {
  11. /* execute the next instruction ... */
  12. }
  13. }

从这段代码中可以看出,每个 Python 线程都会先检查 ticker 计数。只有在 ticker 大于 0 的情况下,线程才会去执行自己的代码。

Python GIL不能绝对保证线程安全

注意,有了 GIL,并不意味着 Python 程序员就不用去考虑线程安全了,因为即便 GIL 仅允许一个 Python 线程执行,但别忘了 Python 还有 check interval 这样的抢占机制。

比如,运行如下代码:

 
  1. import threading
  2. n = 0
  3. def foo():
  4. global n
  5. n += 1
  6. threads = []
  7. for i in range(100):
  8. t = threading.Thread(target=foo)
  9. threads.append(t)
  10. for t in threads:
  11. t.start()
  12. for t in threads:
  13. t.join()
  14. print(n)

执行此代码会发现,其大部分时候会打印 100,但有时也会打印 99 或者 98,原因在于 n+=1 这一句代码让线程并不安全。如果去翻译 foo 这个函数的字节码就会发现,它实际上是由下面四行字节码组成:

>>> import dis
>>> dis.dis(foo)
LOAD_GLOBAL              0 (n)
LOAD_CONST               1 (1)
INPLACE_ADD
STORE_GLOBAL             0 (n)

而这四行字节码中间都是有可能被打断的!所以,千万别以为有了 GIL 程序就不会产生线程问题,我们仍然需要注意线程安全。

其他参考:

https://blog.csdn.net/mingzznet/article/details/52644879(重要)

https://www.cnblogs.com/ajaxa/p/9111884.html(重要)

https://blog.csdn.net/Beyond_F4/article/details/79951226

https://blog.csdn.net/u012993796/article/details/80921064

【转】浅谈多核CPU、多线程、多进程

https://www.cnblogs.com/kira2will/p/11027351.html

你可能感兴趣的:(线程&进程)