Python多執行緒與GIL

gil（global interpreter lock）是在實現python解析器(cpython)時所引入的乙個概念。但值得注意的是，gil並不一定是所有python編譯器均必須的，如jpython就沒有gil。

gil是python為解決多執行緒之間資料完整性和狀態同步的辦法，類似於在存在乙個全域性的鎖，但是在現在看來已經成為了乙個python的缺陷。

gil的影響

一般來說，多執行緒的並行執行要比單執行緒的序列執行的速度要快，但是在python中卻不一定。下面給出單執行緒序列**和多執行緒的**，有興趣的讀者可以自己嘗試執行，會發現序列的**執行速度更快，這就是gil給以cpython為解析器的python帶來的缺陷。

單執行緒**：

#! /usr/bin/python
from threading import thread
import time
global count
count = 0
defmy_counter
():global count
i = 0
for _ in range(1000000):
count += 1
i = i + 1
return
true
defmain
():    thread_array = {}
start_time = time.time()
for tid in range(2):
t = thread(target=my_counter)
t.start()
t.join()
end_time = time.time()
print("total time: {}".format(end_time - start_time))
print ("count: ", count)
if __name__ == '__main__':
main()

多執行緒**：

#! /usr/bin/python
from threading import thread
import time
global count
count = 0
defmy_counter
():global count
i = 0
for _ in range(1000000):
i = i + 1
count += 1
return
true
defmain
():    thread_array = {}
start_time = time.time()
for tid in range(2):
t = thread(target=my_counter)
t.start()
thread_array[tid] = t
for i in range(2):
thread_array[i].join()
end_time = time.time()
print("total time: {}".format(end_time - start_time))
print("count:", count)
if __name__ == '__main__':
main()

但是，python的多執行緒執行的結果與多執行緒是類似的，上例中由於全域性變數count並沒有加鎖，因此在多執行緒執行的結果與單執行緒的執行結果不一致，因此我們不能依靠gil來為我們提供了執行緒共享資源的安全訪問。

建議

在python中盡量使用multiprocessing庫替代thread庫，雖然多程序的資源共享沒有多執行緒方便，但是此時執行的效果與您想的一致，不會出現讓你覺得很怪異的問題。　

Python多執行緒與GIL

Python 多執行緒 GIL問題

Python全域性直譯器鎖GIL與多執行緒

11 1 多執行緒的GIL

Python多執行緒與GIL

Python 多執行緒 GIL問題

Python全域性直譯器鎖GIL與多執行緒

11 1 多執行緒的GIL

相關推薦