Python 的GIL与线程锁

Python 程序是如何运行的？

1. 将源码*.py 编译成字节码*.pyc，
2. 再由 Python 虚拟机逐行解释*.pyc成机器码，通知 CPU 执行

名词解释：

• 源码 (Programing Code) - 我们用高级语言敲的代码
• 字节码 (Byte Code) - 将高级语言编译成更低一级的中间代码，方便虚拟机(VM)执行
• 机器码 (Machine Code) - 用于操控 CPU 运行的二进制指令代码

什么是 GIL？

Python 虚拟机默认使用的是 CPython 解释器(C 语言实现)，CPython 使用了 GIL (Golbal Iterpreter Lock - 全局解释器锁)，来确保同一时间只有一个线程运行，所以即使再多的线程也只能有效的使用一个 CPU。

为什么不删除 GIL？

实验证明，如果放弃 GIL，使用大量细粒度的锁代替，导致单线程性能下降至少 30%。所以说 GIL 在支持多线程的同时能把单线程的优势最大地发挥出来。

GIL 的限制

由于 GIL 的存在，即便是多线程的 Python 程序也无法利用多核 CPU 的优势。不过 I/O 密集型程序，依然适合使用多线程，因为它们大部分时间都在等待 I/O，对 CPU 依赖很低。

名词解释：

• CPU 密集型 - 数学计算、搜索、图像处理等
• I/O 密集型 - 文件操作、网络交互、数据库操作等

怎么充分的利用多核？

使用多进程替代多线程，或者使用 C 扩展

有了 GIL 还需要线程锁吗？

需要。GIL 只是解释器级别的锁，它能保证当多个线程在修改一个变量时不会崩溃，但结果可能是错乱的。

如多个线程修改全部变量i = i + 1，是先读取 i，再加 1 后，最后写回内存，这会把在读与写期间其他线程对 i 的所有修改覆都盖掉。所以我们需要用线程锁来对整个读写过程加锁。

PyPy 是什么？

Python 语言实现的另一种解释器，使用了 JIT 编译方式，没有 GIL。运行 Pure Python (纯 Python 代码) 程序速度更快。如果依赖了 C 扩展，反而会慢，如 MysqlDB、protobuf 库。

JIT 与其他编译方式的对比：

• Compilation: 先编译成适用于本机识别的机器码，再运行，不同系统或 CPU 需要重新编译 (如 C/C++)
• Interpretation: 解释器在程序运行时把字节码逐行解释成机器码，边解释，边执行 (如 CPython/Ruby)
• JIT Compilation - 及时编译 (Just-in-Time)，是对前两张方法的整合，将多次调用的字节码，解释成机器码，缓存起来，优先读缓存，而非解释。支持跨平台的同时，又降低了动态编译对性能的影响。 (如 Java/C#/Pypy)

总结

根据应用场景选择最佳的性能优化方案

1. I/O 密集型: 使用多线程
2. I/O 密集型 & Pure Python: 使用 Pypy 解释器
3. CPU 密集型: 使用多进程或把复杂逻辑用 C 扩展实现