摘要：其次，解釋器的主循環(huán)，一個(gè)名為的函數(shù)，讀取字節(jié)碼并逐個(gè)執(zhí)行其中的指令。所有線程都運(yùn)行相同的代碼，并以相同的方式定期從它們獲取鎖定。無(wú)論如何，其他線程無(wú)法并行運(yùn)行。

如今我也是使用Python寫代碼好多年了，但是我卻很少關(guān)心GIL的內(nèi)部機(jī)制，導(dǎo)致在寫Python多線程程序的時(shí)候。今天我們就來(lái)看看CPython的源代碼，探索一下GIL的源碼，了解為什么Python里要存在這個(gè)GIL，過(guò)程中我會(huì)給出一些示例來(lái)幫助大家更好的理解GIL。

有如下代碼：

static PyThread_type_lock interpreter_lock = 0; /* This is the GIL */

這行代碼位于Python2.7源碼ceval.c文件里。在類Unix操作系統(tǒng)中，PyThread_type_lock對(duì)應(yīng)C語(yǔ)言里的mutex_t類型。在Python解釋器開(kāi)始運(yùn)行時(shí)初始化這個(gè)變量

void
PyEval_InitThreads(void)
{
    interpreter_lock = PyThread_allocate_lock();
    PyThread_acquire_lock(interpreter_lock);
}

所有Python解釋器里執(zhí)行的c代碼都必須獲取這個(gè)鎖，作者一開(kāi)始為求簡(jiǎn)單，所以使用這種單線程的方式，后來(lái)每次想移除時(shí)，都發(fā)現(xiàn)代價(jià)太高了。

GIL對(duì)程序中的線程的影響很簡(jiǎn)單，你可以在手背上寫下這個(gè)原則：“一個(gè)線程運(yùn)行Python，而另外一個(gè)線程正在等待I / O.”Python代碼可以使用threading.Lock或者其他同步對(duì)象，來(lái)釋放CPU占用，讓其他程序得以執(zhí)行。

什么時(shí)候線程切換？ 每當(dāng)線程開(kāi)始休眠或等待網(wǎng)絡(luò)I / O時(shí)，另一個(gè)線程都有機(jī)會(huì)獲取GIL并執(zhí)行Python代碼。CPython還具有搶先式多任務(wù)處理：如果一個(gè)線程在Python 2中不間斷地運(yùn)行1000個(gè)字節(jié)碼指令，或者在Python 3中運(yùn)行15毫秒，那么它就會(huì)放棄GIL而另一個(gè)線程可能會(huì)運(yùn)行。

每當(dāng)運(yùn)行一個(gè)任務(wù)，比如網(wǎng)絡(luò)I/O，持續(xù)的時(shí)間很長(zhǎng)或者無(wú)法確定運(yùn)行時(shí)間，這時(shí)可以放棄GIL，這樣另一個(gè)線程就可以接受并運(yùn)行Python。 這種行為稱為協(xié)同多任務(wù)，它允許并發(fā); 許多線程可以同時(shí)等待不同的事件。
假設(shè)有兩個(gè)鏈接socket的線程

def do_connect():
    s = socket.socket()
    s.connect(("python.org", 80))  # drop the GIL

for i in range(2):
    t = threading.Thread(target=do_connect)
    t.start()

這兩個(gè)線程中一次只有一個(gè)可以執(zhí)行Python，但是一旦線程開(kāi)始連接，它就會(huì)丟棄GIL，以便其他線程可以運(yùn)行。這意味著兩個(gè)線程都可以等待它們的套接字同時(shí)連接,他們可以在相同的時(shí)間內(nèi)完成更多的工作。
接下來(lái)，讓我們打開(kāi)Python的源碼，來(lái)看看內(nèi)部是如何實(shí)現(xiàn)的(位于socketmodule.c文件里)：

 static PyObject *
sock_connect(PySocketSockObject *s, PyObject *addro)
{
    sock_addr_t addrbuf;
    int addrlen;
    int res;

    /* convert (host, port) tuple to C address */
    getsockaddrarg(s, addro, SAS2SA(&addrbuf), &addrlen);

    Py_BEGIN_ALLOW_THREADS
    res = connect(s->sock_fd, addr, addrlen);
    Py_END_ALLOW_THREADS

    /* error handling and so on .... */
}

Py_BEGIN_ALLOW_THREADS宏指令用于釋放GIL，他的定義很簡(jiǎn)單：

PyThread_release_lock(interpreter_lock);

Py_END_ALLOW_THREADS用于獲取GIL鎖，這時(shí)，當(dāng)前現(xiàn)在有可能會(huì)卡住，等待其他現(xiàn)在釋放GIL鎖。

Python線程可以自愿釋放GIL，但它也可以搶先獲取GIL。
讓我們回顧一下如何執(zhí)行Python。 您的程序分兩個(gè)階段運(yùn)行。 首先，您的Python文本被編譯為更簡(jiǎn)單的二進(jìn)制格式，稱為字節(jié)碼。 其次，Python解釋器的主循環(huán)，一個(gè)名為PyEval_EvalFrameEx（）的函數(shù)，讀取字節(jié)碼并逐個(gè)執(zhí)行其中的指令。當(dāng)解釋器逐步執(zhí)行您的字節(jié)碼時(shí)，它會(huì)定期刪除GIL，而不會(huì)詢問(wèn)正在執(zhí)行其代碼的線程的權(quán)限，因此其他線程可以運(yùn)行：

for (;;) {
    if (--ticker < 0) {
        ticker = check_interval;
    
        /* Give another thread a chance */
        PyThread_release_lock(interpreter_lock);
    
        /* Other threads may run now */
    
        PyThread_acquire_lock(interpreter_lock, 1);
    }

    bytecode = *next_instr++;
    switch (bytecode) {
        /* execute the next instruction ... */ 
    }
}

默認(rèn)情況下，檢查間隔為1000個(gè)字節(jié)碼。 所有線程都運(yùn)行相同的代碼，并以相同的方式定期從它們獲取鎖定。 在Python 3中，GIL的實(shí)現(xiàn)更復(fù)雜，檢查間隔不是固定數(shù)量的字節(jié)碼，而是15毫秒。 但是，對(duì)于您的代碼，這些差異并不重要。

如果某個(gè)線程在任何時(shí)候都可能丟失GIL，那么您必須使代碼具有線程安全性。 然而，Python程序員對(duì)線程安全的看法與C或Java程序員的不同，因?yàn)樵S多Python操作都是原子的。

原子操作的一個(gè)示例是在列表上調(diào)用sort（）。 線程不能在排序過(guò)程中被中斷，其他線程永遠(yuǎn)不會(huì)看到部分排序的列表，也不會(huì)在列表排序之前看到過(guò)時(shí)的數(shù)據(jù)。 原子操作簡(jiǎn)化了我們的生活，但也有驚喜。 例如，+ =似乎比sort（）簡(jiǎn)單，但+ =不是原子的。 那我們?cè)趺粗滥男┎僮魇窃拥模男┎皇牵?/p>

例如有代碼如下：

n = 0

def foo():
    global n
    n += 1

我們可以使用python的dis模塊獲取這段代碼對(duì)應(yīng)的字節(jié)碼：

>>> import dis
>>> dis.dis(foo)
LOAD_GLOBAL              0 (n)
LOAD_CONST               1 (1)
INPLACE_ADD
STORE_GLOBAL             0 (n)

可以看出，n += 1這行代碼，編譯出了4個(gè)字節(jié)碼：

將n的值加載到堆棧上

將常量1加載到堆棧上

將堆棧頂部的兩個(gè)值相加

將總和存回n

請(qǐng)記住，一個(gè)線程的每1000個(gè)字節(jié)碼被解釋器中斷以釋放GIL。 如果線程不幸運(yùn)，這可能發(fā)生在它將n的值加載到堆棧上以及何時(shí)將其存儲(chǔ)回來(lái)之間。這樣就容易導(dǎo)致數(shù)據(jù)丟失：

threads = []
for i in range(100):
    t = threading.Thread(target=foo)
    threads.append(t)

for t in threads:
    t.start()

for t in threads:
    t.join()

print(n)

通常這段代碼打印100，因?yàn)?00個(gè)線程中的每一個(gè)都增加了1。 但有時(shí)你會(huì)看到99或98，這就是其中一個(gè)線程的更新被另一個(gè)線程覆蓋。所以，盡管有GIL，你仍然需要鎖來(lái)保護(hù)共享的可變狀態(tài)：

n = 0
lock = threading.Lock()

def foo():
    global n
    with lock:
        n += 1

同樣的，如果我們使用sort()函數(shù):

lst = [4, 1, 3, 2]

def foo():
    lst.sort()

翻譯成字節(jié)碼如下:

>>> dis.dis(foo)
LOAD_GLOBAL              0 (lst)
LOAD_ATTR                1 (sort)
CALL_FUNCTION            0

可以看出，sort()函數(shù)被翻譯成了一條指令，執(zhí)行過(guò)程不會(huì)被打斷。

將lst的值加載到堆棧上

將其排序方法加載到堆棧上

調(diào)用排序方法

即使lst.sort（）需要幾個(gè)步驟，sort調(diào)用本身也是一個(gè)字節(jié)碼，因此不會(huì)被打斷。 我們可以得出結(jié)論，我們不需要鎖定sort（）。 或者，請(qǐng)遵循一個(gè)簡(jiǎn)單的規(guī)則：始終鎖定共享可變狀態(tài)的讀寫。 畢竟，獲取Python中的threading.Lock花銷很低。
雖然GIL不能免除鎖的需要，但它確實(shí)意味著不需要細(xì)粒度的鎖定。 在像Java這樣的自由線程語(yǔ)言中，程序員努力在盡可能短的時(shí)間內(nèi)鎖定共享數(shù)據(jù)，以減少線程爭(zhēng)用并允許最大并行度。 但是，由于線程無(wú)法并行運(yùn)行Python，因此細(xì)粒度鎖定沒(méi)有任何優(yōu)勢(shì)。 只要沒(méi)有線程在休眠時(shí)持有鎖，I / O或其他一些GIL丟棄操作，你應(yīng)該使用最粗糙，最簡(jiǎn)單的鎖。 無(wú)論如何，其他線程無(wú)法并行運(yùn)行。

在諸如網(wǎng)絡(luò)請(qǐng)求等I/O型的場(chǎng)景中，使用Python多線程可以帶來(lái)很高的性能提升，因?yàn)樵贗/O場(chǎng)景中，大多數(shù)線程都在等待I/O以進(jìn)行接下來(lái)的操作，所以即使單CPU，也能大大提高性能。比如下面這樣的代碼：

import threading
import requests

urls = [...]

def worker():
    while True:
        try:
            url = urls.pop()
        except IndexError:
            break  # Done.

        requests.get(url)

for _ in range(10):
    t = threading.Thread(target=worker)
    t.start()

如上所述，這些線程在等待通過(guò)HTTP獲取URL所涉及的每個(gè)套接字操作時(shí)丟棄GIL，因此它們比單個(gè)線程性能更高。

如果你的任務(wù)一定要多線程才能更好的完成，那么，對(duì)于Python來(lái)說(shuō)，多線程是不合適的，這種情況下，你得使用多進(jìn)程，因?yàn)槊總€(gè)進(jìn)程都是多帶帶的運(yùn)行環(huán)境，并且可以使用多核，但這會(huì)帶來(lái)更高的性能開(kāi)銷。下面的代碼就是使用多進(jìn)程來(lái)運(yùn)行任務(wù)，每個(gè)進(jìn)程里只有一個(gè)線程。

import os
import sys

nums =[1 for _ in range(1000000)]
chunk_size = len(nums) // 10
readers = []

while nums:
    chunk, nums = nums[:chunk_size], nums[chunk_size:]
    reader, writer = os.pipe()
    if os.fork():
        readers.append(reader)  # Parent.
    else:
        subtotal = 0
        for i in chunk: # Intentionally slow code.
            subtotal += i

        print("subtotal %d" % subtotal)
        os.write(writer, str(subtotal).encode())
        sys.exit(0)

# Parent.
total = 0
for reader in readers:
    subtotal = int(os.read(reader, 1000).decode())
    total += subtotal

print("Total: %d" % total)

因?yàn)槊總€(gè)進(jìn)程都擁有多帶帶的GIL，所以這段代碼可以在多核CPU上并行執(zhí)行。

由于Python GIL的存在，導(dǎo)致Python中一個(gè)進(jìn)程下的多個(gè)線程無(wú)法并行執(zhí)行，在I/O密集型的場(chǎng)景中，多線程依然能帶來(lái)比較好的性能，但是在CPU密集型的場(chǎng)景中，多線程無(wú)法帶來(lái)性能的提升。但同時(shí)也是由于GIL的存在，我們?cè)趩芜M(jìn)程中，線程安全也比較容易達(dá)到。