Python 的 GIL

引言

原文链接：https://yunsonbai.top/2020/08/27/GIL/
聊一个老生长谈的问题: Python的GIL。
结合日常工作的总结和前人的经验，聊一聊我自己对此GIL的理解。
希望本文对Python的初学者有一些帮助。

到底什么是GIL？

GIL全称: Global Interpreter Lock。注意这里有个Interpreter(Cython、Jython)，说白了这把锁其实是加在解释器上的，这把锁只允许一个Python线程获得解释器控制权，简单说就是某一时刻只能有一个线程运行(单线程)。对GIL褒贬不一，对于单线程程序来讲其实没有什么影响，但是对于多线程程序，有的时候就会成为影响性能的瓶颈点。对GIL的形容，你可能在网上还会找到类似臭名昭著的形容词，其实我觉着万事都不能这么绝对，它存在既有存在的原因和用处。

GIL对Python到底有什么帮助？

我们知道Python使用了计数的方式来管理对象的回收，进而管理内存。简单来说就是每个对象都会有个计数，当这个计数变为0的时候，回收机制就会回收这个对象，释放对象占用的内存空间。看一个简单的例子：

>>> import sys
>>> a = 4902384823
>>> b = a
>>> sys.getrefcount(a)
3

通过getrefcount可以拿到某个对象的计数，插个小插曲，为什么我这里用这么大的数(4902384823)，为什么不用1？细心的读者可以去网上找一下，Python的小整数池，你就会明白。

我们继续聊GIL，想一下这个场景，如果解释器允许多线程并发执行，都要对这个a做操作，会有什么样的结果产生呢？线程1要把a赋值给c，线程2呢，要把a赋值成别的值(原来的a对象技术就会减小1)，线程3也要把a赋值成别的值，线程4更狠，直接释放了a，线程5….，试想一下，当出现这么多的进程要操作同一个对象的时候，情况就复杂了，是不是会导致程序的逻辑异常甚至直接崩溃呢？GIL就派上了用场，在某个时刻只允许一个线程运行，很完美的解决了上述问题。不排除还有其他的垃圾回收机制，比如golang就十分复杂，不得不引入STW机制，来进行垃圾回收，要知道在Python诞生之际，操做系统还没有线程的概念。

有人可能会问，那不能给对象加把锁么？这样不就可以同时运行多个线程了么？那就会需要数量庞大的锁，维护这些锁开销很大，另外很可能会触发死锁(多锁情况下的陷阱)情况。而GIL只需要管理一个锁，能提高单个线程的性能。

由于Python简单易用，目前越来越多的人开始学习和使用Python，这其中GIL起着很大的作用。C库的许多扩展，有的需要在Python中实现其功能，而GIL则提供了线程安全的内存管理，可以防止不一致的更改，GIL对Python的快速发展起着不可估量的作用。

另外GIL只需要管理着一个锁，将变得很简单，这在早期的Python设计开发中，GIL是个结合实际情况而做出合适的选择。

有这个GIL我该怎么提升我的代码性能呢？

要想提高代码性能，首先得先弄清楚你得代码是面向什么场景的。只有结合了实际，才能选出适合的方案来。咱们抛开业务讲，无非就是两种情况，CPU 计算瓶颈约束和 I/O 瓶颈约束。

CPU 密集计算型

你的程序是极其耗CPU的，最简单的，就是下边这个程序，他可能会跑满你某个核心

1
2
3

a = 0
while 1:
    a += 1

你的CPU会不停的工作，甚至累趴下，这会程序已经没有优化的余地了，别说Python，就是任何语言也得望而止步，就好比是你开的车，你已经把挡挂到最高，把油门踩到底了，你还怎么加速，只有这个速度了。比较典型的还有图片计算、视频计算等等也都是耗CPU的计算。

I/O 型

什么是 I/O 型呢？网络访问、磁盘读写这都是典型的 I/O 操作，比如你访问google，你的I/O开销可就大多了，我想会有人应看到TIMEOUT，即便你访问baidu，嗖的一下打开的网页，那段时间，对于计算机世界来说那也是极为漫长的等待，而这段时间你的CPU几乎提前进入了退休生活，一个字，闲。

磁盘访问也是一种 I/O 操作，磁盘如果是老式机械磁盘，那也是慢的出奇，即便后来的SSD相对于CPU时间片段来讲也漫长的很。

提升思路

计算密集型(以下基于单核)
对于CPU密集型来讲，无能为力，如果本身一个CPU 1秒只能计算一个结果，你就是换成什么语言，什么架构它也不可能超过一个，最好的情况是等于1个，但基本达不到，为什么？

先说Python，线程维护是有开销的，这个CPU得做，所以怎么可能到1个呢？有的初学者可能考虑换个语言加多线程，那可能比单线程还惨，多线程来回上下文切换，更耗资源

不说硬件的提升，光说代码，这时候应该考虑算法本身的提升，比如图片计算里，考虑换成矩阵计算会不会好些？或者看是不是有些计算是多余等等。当然如果考虑硬件的提升，那就没有止境了。
I/O 型(以下基于单核)
对于Python， I/O密集型的应用还是有提升的余地的。如果说I/O等待占据了大部分时间，我们这会可以考虑“多线程”（如果已1秒为单位，即便是GIL存在，那也会有n个线程被执行），如果I/O等待的时间远远大于获取GIL(全局大锁)的时间，那多线程势必会提升速度。

多进程，虽然只有一个CPU，还是要看进程切换的时间和I/O等待的时间的对比，如果I/O等待时间很长，那多进程之间的切换开销也就微不足道了。

协程，这个是个好东西，在一个线程里边，协程切换是用户态的，开销小的多，这也是提升性能的利剑。
其他
多核情况下，不管计算密集型还是I/O 型，多进程一定是能提升性能，毕竟一个人干活跟10个人干活肯定速度是不一样的。

GIL依然存在

那能不能去掉GIL呢？答案显然是可以的，不然golang怎么做的？java怎么做的？可是为什么不去掉GIL呢，我认为还是历史原因，首先很多C库是基于GIL做的，推翻了重整，你懂得，很难。另外如果真的完全去掉GIL，那将是从里到外的巨大改进，前后兼容又成了巨大的问题。但是改进肯定有的。