Python GIL 系列之通过实例认识Python的GIL

1. 请看下面的例子：

import time

from threading import Thread

from multiprocessing import Process

from timeit import Timer

def countdown(n):

    while n > 0:

        n -= 1

def t1():

    COUNT=100000000

    thread1 = Thread(target=countdown,args=(COUNT,))

    thread1.start()

    thread1.join()

#    COUNT = 100000000 # 100 million

#    countdown(COUNT)

def t2():

    COUNT=100000000

    thread1 = Thread(target=countdown,args=(COUNT//2,))

    thread2 = Thread(target=countdown,args=(COUNT//2,))

    thread1.start(); thread2.start()

    thread1.join(); thread2.join()

def t3():

    COUNT=100000000

    p1 = Process(target=countdown,args=(COUNT//2,))

    p2 = Process(target=countdown,args=(COUNT//2,))

    p1.start(); p2.start()

    p1.join(); p2.join()

if __name__ == '__main__':

    

    t = Timer(t1)

    print 'countdown in one thread:',t.timeit(1)

    

    t = Timer(t2)

    print 'countdown use two thread:',t.timeit(1)

    t = Timer(t3)

    print 'countdown use two Process',t.timeit(1)

 

 

2. 在我的四核CPU上，用Python 2.7.6运行时得以下面的输出：

countdown in one thread: 10.5507714241

countdown use two thread: 26.195196047

countdown use two Process 5.81643362842

 

3. 利用双线程进行计算比单线程慢了两倍还多！！

 

4. 由此我们可以得到结论：

 

 在多核CPU上，写Python代码时应该尽量避免使用Thread，用Process来替代线程。

 (注，上面这句话是错误的，详见《Python GIL 系列之通过设置进程运行的CPU来提高Python程序的性能》一文)

 但是多进程情况下数据的共享又是一个大问题。

 

5. 这种情况在Python3.2上引入新的GIL后已经有了很大的改善，但是新的GIL又会对I/O操作的响应速度产生影响，真的是一波未平，一波又起啊。

 

6. 更全面的对于GIL的讲解请看David Beazley 2010年在PyCon的演讲ppt

 

 http://www.dabeaz.com/python/UnderstandingGIL.pdf

 

7. 我也是太疏漏寡闻了，只到最近才在网上看到这个迄今为止对GIL讲解最全面的文章。

 

8. 看过这篇文章之后，我不由的感慨一下：GIL是Python的阿喀琉斯之踵么？