GIL在CPython解释器中的工作原理

这篇文章主要讲解了“GIL在CPython解释器中的工作原理”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“GIL在CPython解释器中的工作原理”吧！

创新互联坚持“要么做到，要么别承诺”的工作理念，服务领域包括：成都网站建设、成都做网站、企业官网、英文网站、手机端网站、网站推广等服务，满足客户于互联网时代的铁岭县网站设计、移动媒体设计的需求，帮助企业找到有效的互联网解决方案。努力成为您成熟可靠的网络建设合作伙伴！

Python解释执行原理

我是一个Python线程，我的工作就是解释执行程序员编写的Python代码。

之所以说是解释执行，是因为Python是高级语言，CPU那家伙不认识Python代码，需要运行的时候动态翻译成CPU指令。

我把Python源代码经过“编译”以后，变成了一个个的字节码文件：.pyc，这是一个二进制的文件，人类是看不懂的，只有我才能看懂。

然后我的工作就简单了，不断的取出字节码文件中的“指令”解释执行，直到所有指令都执行完成，我就可以休息了。

GIL

后来，多线程编程技术流行了起来，进程里不止我一个线程了，又来了几个新的伙伴。

本以为我们能和平共处，没想到这一来就麻烦了，我们几个各干各的，经常把内存空间搞出问题，也找不到背锅的人。

终于有一天，我实在忍受不了了，召集大家商讨个解决办法。

“小伙伴们，咱们不能再这样各搞各的了，咱们是一个Team，要彼此协作，一个线程可以走的很快，但一群线程在一起才能走的更远呐!”

“老大，你有什么想法你就直说吧”，另一个线程说到。

“要不，咱们加个锁吧!简单快捷，每个线程要执行代码，都得来申请这个锁，申请到了才能执行，否则就得等着”，我说到。

“那什么时候释放呢?”

“要不弄个计数器，每个线程数到100就释放，这样保证别人有机会来执行?”

“那怎么计数呢?每执行一个字节码就计数一次吗?”

“可以，不过也不用那么死板，有些指令比较简单的，很快可以完成，就可以不用计数了”

“好是好，但要是还没数够100，却在执行I/O操作阻塞了，还把锁霸占的话，那不是资源浪费吗?”

小伙伴们七嘴八舌的讨论着。

我想了想说到：“那就这样，把两种情况结合一下，常规情况下数到100就释放一次锁，但如果遇到阻塞情况，也要提前释放锁，怎么样?”

大伙纷纷点头，达成了一致，随后我们还给这个锁取了一个名字：全局解释器锁GIL。

自从用上了GIL，我们大家伙干活都规矩多了，再也没有出现把公共资源搞坏的情况了。

升级版GIL

再后来，多核技术开始兴起了，一个CPU里面可以同时执行多个线程。小伙伴们高兴地把这个消息散播开了。

“老大，现在CPU有多核了，咱们可以一起执行了，可不可以把那个GIL给去掉啊，这样才能利用多核的优势啊。”

“是啊，隔壁Java线程老是嘲笑我们看起来人多，实际只有一个线程在执行”

可说易行难，这么多年我们都是这样工作的，要突然去掉，出了问题谁也不敢负责啊。

“可是老大，现在这个GIL锁不公平”，新来的线程抱怨到。

“哪里不公平了?”

“我准备执行代码，发现锁在你的手里，只好原地等待，等了半天都睡着了，好不容易等到你释放了，操作系统把我给唤醒，准备去申请锁，结果发现又被你抢到了，真是浪费表情”，新的线程满脸委屈。

“是啊，老大，我也发现了，这不是偶发现象，我观察很久了，经常都会发生!频繁被唤醒，却发现白忙活一场，白白浪费CPU资源，大家都怨气很大啊”，另一个线程伙伴也说到。

我有些不好意思，“嗯，这确实是个问题”

“还没完呢”，新来的线程继续说到：“现在按照字节码指令数来统计，但有些指令码简单，有些很复杂，导致同样数到100，有些线程可以运行很久，而有些就运行很快就结束了，也不公平”

小伙伴们提的问题都很重要，看来是时候对GIL进行一次升级了。

经过一阵激烈的讨论，我们改进了原来对GIL，用上了新的策略：

• 不再用计数的方式，改用时间片的方式：每个线程的执行时间片是5000微秒。

• 为了保证释放GIL后，不被自己马上又抢到，新增了一个锁实现强制线程切换

改进以后，这下总算公平了，各位小伙伴再也没有话说，又可以安心的工作了。

结语

Python是一门解释执行的语言，拥有强大的第三方库和跨平台能力，近几年Python焕发了第二春，横扫爬虫、web开发、机器学习等众多领域。

但长期以来，Python最为人诟病的就是它有一把锁：GIL，这把锁让Python无法真正的实现多线程执行，无法利用多核CPU的高性能。

实际上，这个锁跟Python没有半毛钱的关系，而是负责解释执行Python的解释器：CPython的锅。

CPython是用C语言编写的Python解释器，也是最广为使用的Python解释器，一般在没有特殊说明时，说Python指的就是这个CPython解释器。

Python诞生之初，多线程技术还远没有今天这么深入人心，甚至多核CPU也是Python诞生许多年后才出现的。早期的解释器中为了支持多个线程，使用了粗暴的GIL来进行控制，方便简单的同时，也成为了CPython的巨大历史包袱。

在Python3.2之前，Python使用简单的计数法来统计控制每个线程执行的时间。在这之后，引入了更为公平的时间片方式来升级替换。

过去二十年，曾经有许许多多大牛都尝试彻底去除GIL，但都没有完美成功。

虽然Python没能彻底去除GIL，好在，提供了其他几种方式“曲线救国”实现并发：

• Ctypes 通过编写C语言扩展与Python交互，在C语言层面绕过GIL实现多核利用。

• MultiProcess Python提供了MultiProcess，通过多进程的方式绕过GIL

• 协程 协程又称用户态线程，Python3.4版本后新增了对协程的支持，也是对性能的提升提供了一种选择。

感谢各位的阅读，以上就是“GIL在CPython解释器中的工作原理”的内容了，经过本文的学习后，相信大家对GIL在CPython解释器中的工作原理这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是创新互联，小编将为大家推送更多相关知识点的文章，欢迎关注！

当前标题：GIL在CPython解释器中的工作原理
文章地址：http://shouzuofang.com/article/gjpcdi.html