当前位置: 澳门新濠3559 > 编程 > 正文

但是为什么这么说呢,每个进程都带一个GIL

时间:2019-11-29 05:50来源:编程
GIL应该是面试的一个常考题,什么是 GIL ?   转载地址 面试经常遇到的。   GIL的全程是Global Interpre Lock(全局解释器锁)。 GIL不是Python特性 GIL是Python解释器(Cpython)时引入的概念,在

GIL应该是面试的一个常考题,什么是GIL?

  转载地址

面试经常遇到的。

  GIL的全程是Global Interpre Lock(全局解释器锁)。


GIL不是Python特性

GIL是Python解释器(Cpython)时引入的概念,在JPython、PyPy中没有GIL。GIL并不是Python的语言缺陷。

不是Python中有GIL,而是CPython中有全局解释器锁。(JPython中没有GIL)

  最近在看Python的多线程,经常我们会听到老手说:“Python下多线程是鸡肋,推荐使用多进程!”,但是为什么这么说呢?

GIL定义

GIL,the Global Interpreter Lock,直译为“全局解释锁”

GIL是一个互斥锁,CPython在执行多线程的时候并不是线安全的,为了程序的安全性考虑了全局解释器锁。

  要知其然,更要知其所以然。所以有了下面的深入研究:

GIL存在原因

CPython在执行多线程的时候并不是线程安全的,所以为了程序的稳定性,加一把全局解释锁,能够确保任何时候都只有一个Python线程执行。

 

首先强调背景:

1. GIL是什么?

  GIL的全称是Global Interpreter Lock(全局解释器锁),来源是python设计之初的考虑,为了数据安全所做的决定。

2. 每个CPU在同一时间只能执行一个线程

  在单核CPU下的多线程其实都只是并发,不是并行,并发和并行从宏观上来讲都是同时处理多路请求的概念。但并发和并行又有区别,并行是指两个或者多个事件在同一时刻发生;而并发是指两个或多个事件在同一时间间隔内发生。

在Python多线程下,每个线程的执行方式:

  1. 获取GIL

  2. 执行代码直到sleep或者是python虚拟机将其挂起。

  3. 释放GIL

可见,某个线程想要执行,必须先拿到GIL,我们可以把GIL看作是“通行证”,并且在一个python进程中,GIL只有一个。拿不到通行证的线程,就不允许进入CPU执行。

  在Python2.x里,GIL的释放逻辑是当前线程遇见IO操作或者ticks计数达到100(ticks可以看作是Python自身的一个计数器,专门作用于GIL,每次释放后归零,这个计数可以通过 sys.setcheckinterval 来调整),进行释放。

  而每次释放GIL锁,线程进行锁竞争、切换线程,会消耗资源。并且由于GIL锁存在,python里一个进程永远只能同时执行一个线程(拿到GIL的线程才能执行),这就是为什么在多核CPU上,python的多线程效率并不高。

那么是不是python的多线程就完全没用了呢?

  在这里我们进行分类讨论:

  1. CPU密集型代码(各种循环处理、计数等等),在这种情况下,由于计算工作多,ticks计数很快就会达到阈值,然后触发GIL的释放与再竞争(多个线程来回切换当然是需要消耗资源的),所以python下的多线程对CPU密集型代码并不友好。

  2. IO密集型代码(文件处理、网络爬虫等),多线程能够有效提升效率(单线程下有IO操作会进行IO等待,造成不必要的时间浪费,而开启多线程能在线程A等待时,自动切换到线程B,可以不浪费CPU的资源,从而能提升程序执行效率)。所以python的多线程对IO密集型代码比较友好。

  而在python3.x中,GIL不使用ticks计数,改为使用计时器(执行时间达到阈值后,当前线程释放GIL),这样对CPU密集型程序更加友好,但依然没有解决GIL导致的同一时间只能执行一个线程的问题,所以效率依然不尽如人意。

  请注意:多核多线程比单核多线程更差,原因是单核下的多线程,每次释放GIL,唤醒的那个线程都能获取到GIL锁,所以能够无缝执行,但多核下,CPU0释放GIL后,其他CPU上的线程都会进行竞争,但GIL可能会马上又被CPU0拿到,导致其他几个CPU上被唤醒后的线程会醒着等待到切换时间后又进入待调度状态,这样会造成线程颠簸(thrashing),导致效率更低。

  回到最开始的问题:经常我们会听到老手说:“python下想要充分利用多核CPU,就用多进程”,原因是什么呢?

澳门新濠3559,  原因是:每个进程有各自独立的GIL,互不干扰,这样就可以真正意义上的并行执行,所以在python中,多进程的执行效率优于多线程(仅仅针对多核CPU而言)。

  所以在这里说结论:多核下,想做并行提升效率,比较通用的方法是使用多进程,能够有效提高执行效率

GIL的弊端

  • GIL对计算密集型的程序会产生影响。因为计算密集型的程序,需要占用系统资源。GIL的存在,相当于始终在进行单线程运算,这样自然就慢了。

  • IO密集型影响不大的原因在于,IO,input/output,这两个词就表明程序的瓶颈在于输入所耗费的时间,线程大部分时间在等待,所以它们是多个一起等(多线程)还是单个等(单线程)无所谓的。

    这就好比,你在公交站等公交时,你们排队等公交(单线程)还是沿着马路一字排开等(多线程)是无所谓的。公交车(即input,即输入的资源)没来,哪种方式都是瞎折腾。

每个CPU在同一时间只能执行一个线程。

解决方案

 

multiprocessing

multiprocessing是一个多进程模块,开多个进程,每个进程都带一个GIL,就相当于多线程来用了。

在Python多线程下,每个线程的执行都需要进行锁的竞争,只有拿到GIL的线程才能执行。

multiprocessing的弊端

多线程与多进程一个不同点在于:

  • 多线程是共享内存的,即这些线程共用一个内存地址。好处在于便于线程间数据通信和数据同步。
  • 多进程,各个进程地址之间是独立的内存地址。这样不存内存地址之间通信就麻烦了。
    综上所述,如果是IO密集型且对数据通信有需求,使用python 的threading模块也是可以的。

由于GIL的存在,python里一个进程永远只能同时执行一个线程,这就是为什么多核CPU上,python的多线程效率并不高。

 

因为GIL的存在,python的多线程对CPU密集型代码并不友好,对IO密集性代码比较友好。

 

1因为计算密集型的程序,需要占用系统资源。

GIL的存在,相当于始终在进行单线程运算,速度慢。

2.IO密集型影响不大的原因,IO,input/output,这两个词就表明程序的瓶颈在于输入
所消耗的时间,线程大部分时间再等待,所以他们是多个一起等(多线程)还是单个等(单线程)无所谓

多线程是共享内存的,即这些线程共用一个内存地址。好处在于便于线程间数据通信
和数据同步
多进程,各个进程地址之间是独立的内存地址。这样不存在地址之间通信就麻烦了

编辑:编程 本文来源:但是为什么这么说呢,每个进程都带一个GIL

关键词: