Python编程之GIL(全局解释器锁)
|
GIL是什么 GIL百度解释：全局解释器锁（Global Interpreter Lock）是计算机程序设计语言解释器用于同步线程的工具，使得在同一进程内任何时刻仅有一个线程在执行。常见例子有CPython（JPython不使用GIL）与 Ruby MRI (也称作 CRuby，Ruby语言解释器) 我们在开发一个大型的应用程序时，为了提高程序的执行效率。让程序能最优的利用电脑的资源，往往会用多进程或者多线程的方式来实现。但是多进程和多线程在使用时也各有优缺点，以下是两者对比： 关系对比： - 线程依附进程，有进程才有线程 - 一个进程至少有一个线程，也可以开辟多个线程 区别对比： - 线程可以共享全局变量，主要资源竞争问题，**解决办法**：互斥锁和线程同步 - 进程不可以共享全局变量， 进程比线程更稳定， 进程资源开销大于线程 - 进程是**操作系统资源分配的基本单位**，线程是**CPU调度的基本单位** - 线程不能独立存在，必须依附于进程 优缺点对比： - 进程： - 优点：稳定性高，可以使用多核资源 - 缺点：资源开销大 - 线程： - 优点：资源开销小 - 缺点：不能使用多核资源，稳定性低于进程 根据上面的对比可以知道只有多线程才会存在GIL的问题，这个问题产生的核心原因就是：资源共享 进程和线程选择 我们在设计一个程序的时候什么时候设计成多进程模式，什么时候设计成多线程模式，那我们就要知道多线程其实因为GIL的原因导致了同一时间只有一个线程能被CPU调度。只是由于时间是毫秒级的，给我们的表象就好像同一时间多个线程都在运行。 那这两种模式怎么选择呢，下面介绍一下两个概念: 计算密集型：每个请求的命令中，大都包含不同的参数值，很难重用前一次计算的结果，所以要按照约定的业务逻辑重新计算，并按照约定的格式返回数据，且计算在总耗时中占比较大。 IO密集型：指的是系统的CPU性能相对硬盘、内存要好很多，此时，系统运作，大部分的状况是CPU在等I/O (硬盘/内存) 的读/写操作，此时CPU Loading并不高。 通过比较知道计算密集型需要很高的CPU占用率，一直进行计算操作；而IO密集型则把大量的时间花在了输入输出上面，而数据的从发送到接收会有一段时间（对于我们来说很短），就好比我发送一个数据从发送出去到接收耗时5s，我需要发送三次，若用单线程则需要15s；假如使用多线程，在第一次发出去之后，接着发第二次，再接着发第三次，因为返回数据需要时间所以为了不让第一个线程在等待状态浪费CPU资源，CPU释放掉第一次的发送，调第二次的发送线程，第三次同理。 总结： 计算密集型：用进程设计 IO密集型：用线程或者Python特有的协程 再回过头来说GIL的问题，由于GIL是历史遗留问题，在CPython(C语言写的Python解释器)中难以移除，那为了提高CPU的利用率不想使用GIL，有两种办法： 1、更换Python解释器 PyPy：PyPy是另一个Python解释器，它的目标是执行速度，PyPy采用JIT技术，对Python代码进行动态编译，所以可以显著提高Python代码的执行速度。 Jython：Jython是运行在Java平台上的Python解释器，可以直接把Python代码编译成Java字节码执行。 2、核心代码更换其他语言实现 用到多线程的地方可以用其他代码来实现，作为Python的链接库，这就是Python语言的强大之处。 |