什么是GIL
Python是一门解释型的编程语言， GIL是一把全局的大锁
GIL是一把在底层工作的锁，所有的Python解释器的线程模型都逃不过。GIL在Cpython中对多所有的线程编程进行线程安全管理。
进程与线程
进程与线程:进程相当于一个容器，是操作系统分配资源的单位；线程包含在进程，是操作系统分配时间片的单位
多线程编程的问题
- 为了效率，多线程一般会使用异步， 异步的执行流程可能导致结果的不确定
- Ptyhon中特殊问题，资源管理方式：资源的引用计数,引出了GIL的使用
GIL原理
GIL是在底层的一把锁，是bytecode字节码级别的互斥锁， 保证同一时刻只有一个线程来控制Python解释器
GIL解决了Python中引用计数加锁的问题
GIL使得扩展的C库和Python程序融合是资源管理等容易
误解1：一个常见误解， 有了GIL， 多线程就不用加锁了
多核问题
多核的情况下，有了GIL的存在，使得多核不同进程也无法同时进行，使得底层GIL限制了无法实现真正的多核多线程
import time import threading as th def isPrime(n): for i in range(2, int(n**(0.5) + 1)): #[2, sqrt(n)] if n % i == 0: return False return True def prime(Nth): n_found = 0 result = 0 while n_found < Nth: result += 1 n_found += isPrime(result) return result if __name__ == "__main__": start = 100000 t1 = time.time() print(prime(start), prime(start+1), prime(start +2), prime(start+3)) print(f"Serial task took: {time.time()-t1} seconds") print("=" * 40) #single process multi-threads t2 = time.time() jobs= [th.Thread(target=prime, args=(start,)), th.Thread(target=prime, args=(start+1,)), th.Thread(target=prime, args=(start+2,)), th.Thread(target=prime, args=(start+3,))] for j in jobs: j.start() for j in jobs: j.join() print(f"Mutil-task took: {time.time()-t2} seconds") """ 在进程池中 计算低1000， 1001， 1002，1003 """ t4 = time.time() pool = multiprocessing.Pool(processes=4) result = pool.map(prime, range(start, start+4)) print(result) print(f"Pool test took: {time.time() -t4} seconds")
执行快慢顺序 : fast -> slow
1.PPool 进程池
2.MP 多进程
3.单进程单线程
4.单进程多线程
结果解释
多核状态 进程池和多进程能够最大化执行效率，充分使用资源
单进程单线程是中规中矩，按部就班按照顺序进行执行
单进程多线程时间慢是因为 在多线程进行切换的时候，处理器在保存上下文和各种资源调度处理时消耗大于单线执行
多核环境，GIL成为了一种阻碍， 无法充分使用多核并行计算特性
CPU bound 和I/O bound
CPU bound是CPU 密集型的处理， 计算密集型， 如：密码破解，数据分析，大数据
I/O bound是I/O密集型的处理，I/O密集型适合Python多线程， 如：下载文件，网络爬虫，数据库操作
在IO密集的情况下，多线程有明显的优势
只有当IO bound 程序的性能提升之后，去除GIL才会有效率的提升
Python多线程–在同一个解释器，在某一个时刻只能有一个线程进行
在Python中可以使用多进程以同生cpu多核执行利用率。
CPU从单核到多核，操作系统从并发到并行
单核是并发，不是真正物理意义上的同时执行；
多核是并行，是真正物理意义上的同时执行
Python的技术演变：多线程mutithreading-mutiprocessing 多进程
