python之threadpoolexecutor
python結合lua打破gil的限制
記錄目的（解決的問題）：
繞過全域性gil，盡可能多的使用cpu
特點：使用執行緒池，方便排程管理
使用lua繞過gil，使得cpu的使用率達到100%
都是指令碼語言，上手簡單
過程：1. 安裝 lupa， pip install lupa
2. **
import lupa
import time
from concurrent.futures import threadpoolexecutor
# 這裡是算pi
lua_code = '''
function()
count = 0
for i = 1, 10000 do
x = math.random()
y = math.random()
if x*x + y*y <= 1 then
count = count + 1
endend
return count * 4 /10000
end'''old = time.time()
return lua_func()
# 建立執行緒池
p = threadpoolexecutor(8)
res =
# 10000個計算任務
for _ in range(10000):
# res 收集到的結果是feature， 需要通過.result獲得結果
# 值得注意的是，.result()操作會重新啟用gil，所以要放在最後
res = list(map(lambda x: x.result(), res))
# 執行緒池可以使用shubmit提交也可以使用map
# lua_funcs = [lupa.luaruntime().eval(lua_code) for _ in range(10000)]
print(time.time() - old)
print(res[0])
print(sum(res)/10000)
Python 學習筆記 GIL
python 全域性翻譯鎖 gil global interpreter lock 為了實現在多核環境下的執行時資料的一致性，python採用加鎖的思想來實現這種同步和一致性，這把鎖就是gil。這造成了一定量的效能損失，使用鎖的原因是因為python直譯器內部是執行緒不安全的。另外一點，首先需要明確...
python 執行緒GIL鎖
gil global interpreter lock cpython python中乙個執行緒對應於c語言中的乙個執行緒 gil使得同乙個時刻只有乙個執行緒在乙個cpu上執行位元組碼,無法將多個執行緒對映到多個cpu上執行 gil會根據執行的位元組碼行數以及時間片釋放gil，gil在遇到io的操作...
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...