python 多執行緒為什麼雞肋？

什麼是全域性直譯器鎖GIL

Python程式碼的執行由Python 虛擬機器(也叫直譯器主迴圈，CPython版本)來控制，Python 在設計之初就考慮到要在直譯器的主迴圈中，同時只有一個執行緒在執行，即在任意時刻，只有一個執行緒在直譯器中執行。對Python 虛擬機器的訪問由全域性直譯器鎖（GIL）來控制，正是這個鎖能保證同一時刻只有一個執行緒在執行。

在多執行緒環境中，Python 虛擬機器按以下方式執行：

1. 設定GIL
2. 切換到一個執行緒去執行
3. 執行：
    a. 指定數量的位元組碼指令，或者

    b. 執行緒主動讓出控制（可以呼叫time.sleep(0)）
4. 把執行緒設定為睡眠狀態
5. 解鎖GIL
6. 再次重複以上所有步驟

 

在呼叫外部程式碼（如C/C++擴充套件函式）的時候，GIL 將會被鎖定，直到這個函式結束為止（由於在這期間沒有Python 的位元組碼被執行，所以不會做執行緒切換）。

全域性直譯器鎖GIL設計理念與限制

GIL的設計簡化了CPython的實現，使得物件模型，包括關鍵的內建型別如字典，都是隱含可以併發訪問的。鎖住全域性直譯器使得比較容易的實現對多執行緒的支援，但也損失了多處理器主機的平行計算能力。

但是，不論標準的，還是第三方的擴充套件模組，都被設計成在進行密集計算任務是，釋放GIL。

還有，就是在做I/O操作時，GIL總是會被釋放。對所有面向I/O 的(會呼叫內建的作業系統C 程式碼的)程式來說，GIL 會在這個I/O 呼叫之前被釋放，以允許其它的執行緒在這個執行緒等待I/O 的時候執行。如果是純計算的程式，沒有 I/O 操作，直譯器會每隔 100 次操作就釋放這把鎖，讓別的執行緒有機會執行（這個次數可以通過 sys.setcheckinterval 來調整）如果某執行緒並未使用很多I/O 操作，它會在自己的時間片內一直佔用處理器（和GIL）。也就是說，I/O 密集型的Python 程式比計算密集型的程式更能充分利用多執行緒環境的好處。

 

 

下面是Python 2.7.9手冊中對GIL的簡單介紹：

The mechanism used by the CPython interpreter to assure that only one thread executes Python bytecode at a time. This simplifies the CPython implementation by making the object model (including critical built-in types such as dict) implicitly safe against concurrent access. Locking the entire interpreter makes it easier for the interpreter to be multi-threaded, at the expense of much of the parallelism afforded by multi-processor machines.
However, some extension modules, either standard or third-party, are designed so as to release the GIL when doing computationally-intensive tasks such as compression or hashing. Also, the GIL is always released when doing I/O.
Past efforts to create a “free-threaded” interpreter (one which locks shared data at a much finer granularity) have not been successful because performance suffered in the common single-processor case. It is believed that overcoming this performance issue would make the implementation much more complicated and therefore costlier to maintain.
從上文中可以看到，針對GIL的問題做的很多改進，如使用更細粒度的鎖機制，在單處理器環境下反而導致了效能的下降。普遍認為，克服這個效能問題會導致CPython實現更加複雜，因此維護成本更加高昂。