Python的全局锁

介绍

GIL (Global Interperter Lock) 称作全局解释器锁，也可以称它为全局排他锁。GIL只在CPython中存在。比如JPython就没有这个概念。

GIL对程序的影响

在python多线程的情况下，每个线程的执行方式是这样的

获取GIL -> 执行代码,直到遇到IO操作,执行了一定的代码量(python2),执行了一定的时间(python3) -> 释放GIL

那么问题来了，GIL是全局锁，也就是一个进程中只有一个，没有拿到GIL就不允许在CPU中执行，所以Python多线程在并不能充分利用多核CPU。

CPU密集型

CPU密集型任务的主要特点就是需要进行大量的计算，消耗CPU资源。CPU密集型程序虽然可以采用多任务来完成，但任务数越多花在任务切换的时间也就越多，所以要高效的利用CPU，CPU密集型任务的数量在理想的情况下应该等于CPU核心数+1。

多任务可以使用多进程和多线程来实现，在多进程情况下，进程数应该等于CPU核心数+1，多线程情况下，线程数也应该等于CPU核心数+1。Python在多进程下没有什么问题，但是在多线程下问题就出来了。

由于Python的GIL的存在，一个进程中只能有一个线程在执行，无法充分利用多核CPU。所以Python的多线程在处理CPU密集型任务时并不是很友好，解决的办法就是使用多进程+协程的方式。

IO密集型

IO密集型任务的主要特点就是大量涉及到网络、磁盘IO的任务。这类任务对CPU的消耗很低，任务的大部分时间都在等待IO操作完成，对于IO密集型任务，任务数越多，CPU的效率就越高，但是也有一个限度。比较理想的任务数是CPU核心数/(1-阻塞系数)，阻塞系数一般在0.8-0.9，所以任务数应为核心数的5倍或10倍。

Python的线程会在遇到IO操作时释放GIL，执行别的线程， 所以Python多线程对IO密集型任务比较友好。

GIL是否是线程安全的

Python虽然是有GIL，但并不一定就是线程安全的。Python在两种情况下会释放线程锁，第一种，该线程在进入IO操作之前，会主动释放GIL；第二种，解释器不间断的执行了1000字节码（Python2）或运行15ms后（python3）后也会释放GIL。所以一个线程会随时释放GIL，那么它就不是线程安全的。

先看第一种情况，假设线程A进入了IO操作时释放了线程锁，由于A的IO操作等待时间不确定，所以线程B一定会得到GIL，这种情况下是线程安全的。

第二种情况，线程A在不间断的执行了1000字节码（Python2）或运行15ms后（python3）后释放了GIL，这个时候线程A会和线程B同时竞争GIL，Python3会提高B的优先级，但是也并不是说B一定会得到GIL。在这种情况下释放GIL，会出现线程安全问题。

为何会出现线程安全问题

这个首先要看一下Python执行程序的方式，Python在执行一个程序之前，会先将程序转换为字节码，然后解释器会去执行字节码。

是否线程安全就会取决于释放GIL前的操作是否是一个原子性的操作，或者说，释放GIL之前是否将一条Python语句执行完了。

举个例子

import dis
n = 0
def add():
    global n
    n = n + 1
    return n

if __name__ == '__main__':
    dis.dis(add)

执行这段代码会输出以下信息

9           0 LOAD_GLOBAL              0 (n)
            2 LOAD_CONST               1 (1)
            4 BINARY_ADD
            6 STORE_GLOBAL             0 (n)

10         8 LOAD_GLOBAL              0 (n)
           10 RETURN_VALUE

可以看到，n = n + 1这条语句，会被翻译成4条字节码，所以加法这个操作并不是原子性的。如果在释放GIL的时候，刚好执行到了4 BINARY_ADD这里，还未将计算后的值赋值给n,那么在另外一个线程中执行的加法操作就会被这次的操作覆盖掉。这就是线程不安全的情况。