python——GIL锁详解
文章目录
一、GIL全局解释器锁
GIL锁不是python的特点。而是cpython的特点。
2、在cpython解释器中，GIL是一把互斥锁，用来保证进程中同一个时刻只有一个线程在执行。
3、在没有GIL锁的情况下，有可能多线程在执行一个代码的同时，垃圾回收机制对所执行代码的变量直接进行回收，其他的线程再使用该变量时会导致运行错误。
二、为什么会有GIL锁？
python使用引用计数为主，标记清楚和隔代回收为辅来进行内存管理。所有python脚本中创建的对象，都会配备一个引用计数，来记录有多少个指针来指向它。当对象的引用技术为0时，会自动释放其所占用的内存。
假设有2个python线程同时引用一个数据（a=100，引用计数为1），
2个线程都会去操作该数据，由于多线程对同一个资源的竞争，实际上引用计数为3，
但是由于没有GIL锁，导致引用计数只增加1（引用计数为2）
这造成的后果是，当第1个线程结束时，会把引用计数减少为1；当第2个线程结束时，会把引用计数减少为0；
当下一个线程再次视图访问这个数据时，就无法找到有效的内存了**
三、多线程无法利用多核优势？
由于GIL锁的存在，即使是多个线程处理任务，但是最终只有一个线程在工作，那么是不是多线程真的一点用处都没有了呢？
对于需要执行的任务来说，分为两种：计算密集型、IO 密集型
假如一个计算密集型的任务需要10s的执行时间，总共有4个这样的任务
在 4核及以上的情况下：
多进程：需要开启 4 个进程，但是 4 个 CPU 并行，最终只需要消耗 10s 多一点的时间。
多线程：只需要开1 个进程，这个进程开启 4 个线程，开启线程所消耗的资源很少，但是由于最终执行是只有一个 CPU 可以工作，所以最终消耗 40s 多的时间。
假如是多个 IO密集型 的任务
CPU 大多数时间是处于闲置状态，频繁的切换
多进程：进程进行切换需要消耗大量资源
多线程：线程进行切换并不需要消耗大量资源
计算密集型和IO密集型
计算密集型：要进行大量的数值计算，例如进行上亿的数字计算、计算圆周率、对视频进行高清解码等等。这种计算密集型任务虽然也可以用多任务完成，但是花费的主要时间在任务切换的时间，此时CPU执行任务的效率比较低。
IO密集型：涉及到网络请求(time.sleep())、磁盘IO的任务都是IO密集型任务，这类任务的特点是CPU消耗很少，任务的大部分时间都在等待IO操作完成（因为IO的速度远远低于CPU和内存的速度）。对于IO密集型任务，任务越多，CPU效率越高，但也有一个限度。
计算密集型——采用多进程
执行时间为： 4.062887668609619
from multiprocessing import Processimport timedef func1(): sum=0 for i in range(100000000): sum+=1 print(sum)if __name__ == '__main__': now=time.time() l=[] for i in range(10): p=Process(target=func1) p.start() l.append(p) for p in l: p.join() end=time.time() print('执行时间为：',end-now)计算密集型——采用多线程
执行时间为： 27.6159188747406
from threading import Threadimport timedef func1(): sum=0 for i in range(100000000): sum+=1 print(sum)if __name__ == '__main__': now=time.time() l=[] for i in range(10): p=Thread(target=func1) p.start() l.append(p) for p in l: p.join() end=time.time() print('执行时间为：',end-now)IO密集型——采用多进程
执行时间为： 5.388434886932373
from multiprocessing import Processimport timedef func1(): time.sleep(2)if __name__ == '__main__': now=time.time() l=[] for i in range(100): p=Process(target=func1) p.start() l.append(p) for p in l: p.join() end=time.time() print('执行时间为：',end-now)IO密集型——采用多线程
执行时间为： 2.0174973011016846
from threading import Threadimport timedef func1(): time.sleep(2)if __name__ == '__main__': now=time.time() l=[] for i in range(100): p=Thread(target=func1) p.start() l.append(p) for p in l: p.join() end=time.time() print('执行时间为：',end-now)四、总结
对于IO密集型应用，即便有GIL存在，由于IO操作会导致GIL释放，其他线程能够获得执行权限。由于多线程的通讯成本低于多进程，因此偏向使用多线程。
对于计算密集型应用，由于CPU一直处于被占用状态，GIL锁直到规定时间才会释放，然后才会切换状态，导致多线程处于绝对的劣势，此时可以采用多进程+协程。
来源地址：https://blog.csdn.net/YZL40514131/article/details/127947074
免责声明：
① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的，并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据，供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。
② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
