GIL(Global Interpreter Lock)是在实现Python解析器(CPython)时所引入的一个概念。但值得注意的是,GIL并不一定是所有Python编译器均必须的,如JPython就没有GIL。 GIL是Python为解决多线程之间数据完整性和状态同步的办法,类似于在存在一个全局的锁,但是在现在看来已经成为了一个Python的缺陷。
GIL的影响 一般来说,多线程的并行执行要比单线程的串行执行的速度要快,但是在Python中却不一定。下面给出单线程串行代码和多线程的代码,有兴趣的读者可以自己尝试运行,会发现串行的代码执行速度更快,这就是GIL给以CPython为解析器的Python带来的缺陷。 单线程代码:
#! /usr/bin/python from threading import Thread import time global count count = 0 def my_counter(): global count i = 0 for _ in range(1000000): count += 1 i = i + 1 return True def main(): 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()多线程代码:
#! /usr/bin/python from threading import Thread import time global count count = 0 def my_counter(): global count i = 0 for _ in range(1000000): i = i + 1 count += 1 return True def main(): 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的多线程执行的结果与多线程是类似的,上例中由于全局变量count并没有加锁,因此在多线程执行的结果与单线程的执行结果不一致,因此我们不能依靠GIL来为我们提供了线程共享资源的安全访问。
建议 在Python中尽量使用multiprocessing库替代thread库,虽然多进程的资源共享没有多线程方便,但是此时运行的效果与您想的一致,不会出现让你觉得很怪异的问题。