PythonStudy——GIL Global Interpreter Lock 全局解释器锁

GIL

  释义

  Global Interpreter Lock 全局解释器锁

官方解释:
'''
In CPython, the global interpreter lock, or GIL, is a mutex that prevents multiple 
native threads from executing Python bytecodes at once. This lock is necessary mainly 
because CPython’s memory management is not thread-safe. (However, since the GIL 
exists, other features have grown to depend on the guarantees that it enforces.)

'''在 Cpython中,这个全局解释器锁 或者 称为GIL,是一个互斥锁. 是为了防止多个本地线程同一时间执行python字节码,

这个锁是非常重要的因为Cpython的内存管理是非线程安全的, ,然而这个GIL有存在的必要性, 因为有很多已经存在的代码,需要依赖这个锁



非线程安全 即 多个线程访问同一个资源,会有问题 
线程安全 即 多个线程访问同一个资源,不会有问题 

GIL为CPython独有

CPython中有一个互斥锁,防止线程同一时间执行python代码 

该锁只存在Cpython中,这并不是Python这们语言的  除了Cpython之外   Jpython, pypy,解释器 没有

使用Cpython的原因

      之所以使用Cpython的原因?? 

​  C编译过的结果可以计算机直接识别  

​  最主要的语言,C语言以后大量现成的,库(算法,通讯),Cpython可以无缝连接C语言的任何现成代码  

python 胶水  就是这也能干 那也能干

这样设计GIL的原因 

为什么Cpython要这么设计???

Cpython诞生于1991年  而多核处理器诞生2004年  

当时不需要考虑多核效率问题  

现在为什么不拿掉这个锁,因为这期间,很多已经完成的代码都依赖于这个锁,如果直接拿到,这些代码全得该,成本太大了

GIL锁的加锁与解锁时机 

加锁: 只有有一个线程要使用解释器就立马枷锁  

释放:

​  该线程任务结束

​  该线程遇到IO

​  该线程使用解释器过长    默认100纳秒

GIL给我们造成的影响 

 多线程不能并行

案例

​  有一个下载任务   要从网络中下载一个文件 大小1G

​  和转换 任务   使用input  转为大写输出

​  上述任务并行执行,耗时也不会有太大的提升,反而开启多进程会浪费更多资源 

​  这种任务称之为IO密集型任务,大量的时间都花在IO等待  

​  这类问题使用多线程.

计算密集型任务  

​  图像处理,语音处理,大数据分析

解决方案 

​  区分任务类型

​  如果是IO密集使用多线程

​  如果是计算密集使用多进程  

GIL锁与自定义锁的关系

​  都是互斥锁 

​  为什么有了GIL还需要自己加锁  

​  GIL是加在解释器上的,只能锁住,解释器内部的资源,但是无法锁住我们自己开启资源 

​  例如: 我们自己开启了一个json文件,多个线程要同时访问, 如果第一个线程写入数据写到一半,执行超时了,另一个线程过来接着写,就会产生问题,

​  自己开启共享资源还得自己所锁 

​  像是申请内存 保存数据等等就不需要我们程序员考虑了 GIL已经搞定了