Python GIL全域性直譯器鎖詳解（深度剖析）

通過前面的學習，我們了解了 Pyton 並行程式設計的特性以及什麼是多執行緒程式設計。其實除此之外，Python 多執行緒還有一個很重要的知識點，就是本節要講的 GIL。

GIL，中文譯為全域性直譯器鎖。在講解 GIL 之前，首先通過一個例子來直觀感受一下 GIL 在 Python 多執行緒程式執行的影響。

首先執行如下程式：

import time
start = time.clock()
def CountDown(n):
    while n > 0:
        n -= 1
CountDown(100000)
print("Time used:",(time.clock() - start))

執行結果為：

Time used: 0.0039529000000000005

在我們的印象中，使用多個（適量）執行緒是可以加快程式執行效率的，因此可以嘗試將上面程式改成如下方式：

import time
from threading import Thread
start = time.clock()
def CountDown(n):
    while n > 0:
        n -= 1
t1 = Thread(target=CountDown, args=[100000 // 2])
t2 = Thread(target=CountDown, args=[100000 // 2])
t1.start()
t2.start()
t1.join()
t2.join()
print("Time used:",(time.clock() - start))

執行結果為：

Time used: 0.006673

可以看到，此程式中使用了 2 個執行緒來執行和上面程式碼相同的工作，但從輸出結果中可以看到，執行效率非但沒有提高，反而降低了。

如果使用更多執行緒進行嘗試，會發現其執行效率和 2 個執行緒效率幾乎一樣（本機器測試使用 4 個執行緒，其執行效率約為 0.005）。這裡不再給出具體測試程式碼，有興趣的讀者可自行測試。

是不是和你猜想的結果不一樣？事實上，得到這樣的結果是肯定的，因為 GIL 限制了 Python 多執行緒的效能不會像我們預期的那樣。

那麼，什麼是 GIL 呢？GIL 是最流程的 CPython 直譯器（平常稱為 Python）中的一個技術術語，中文譯為全域性直譯器鎖，其本質上類似作業系統的 Mutex。GIL 的功能是：在 CPython 直譯器中執行的每一個 Python 執行緒，都會先鎖住自己，以阻止別的執行緒執行。

當然，CPython 不可能容忍一個執行緒一直獨占直譯器，它會輪流執行 Python 執行緒。這樣一來，使用者看到的就是“偽”並行，即 Python 執行緒在交替執行，來模擬真正並行的執行緒。

有讀者可能會問，既然 CPython 能控制執行緒偽並行，為什麼還需要 GIL 呢？其實，這和 CPython 的底層記憶體管理有關。

CPython 使用參照計數來管理內容，所有 Python 指令碼中建立的範例，都會配備一個參照計數，來記錄有多少個指標來指向它。當範例的參照計數的值為 0 時，會自動釋放其所佔的記憶體。

舉個例子，看如下程式碼：

>>> import sys
>>> a = []
>>> b = a
>>> sys.getrefcount(a)
3

可以看到，a 的參照計數值為 3，因為有 a、b 和作為引數傳遞的 getrefcount 都參照了一個空列表。

假設有兩個 Python 執行緒同時參照 a，那麼雙方就都會嘗試操作該資料，很有可能造成參照計數的條件競爭，導致參照計數只增加 1（實際應增加 2），這造成的後果是，當第一個執行緒結束時，會把參照計數減少 1，此時可能已經達到釋放記憶體的條件（參照計數為 0），當第 2 個執行緒再次檢視存取 a 時，就無法找到有效的記憶體了。

所以，CPython 引進 GIL，可以最大程度上規避類似記憶體管理這樣複雜的競爭風險問題。

Python GIL底層實現原理

---