一、GIL基本概念
1.GIL即为gloabl interpreter lock,全局解释器锁。这个东西是在python解释器之一的cpython中引入的一个概念,因为我们现在常用的python解释器就是cpython这个解释器,故而GIL就在python中经常被提及。在JPython这个python解释器中是不存在GIL这个东西的。
2.从python设计角度看GIL
Python代码的执行由Python虚拟机(也叫解释器主循环)来控制。Python在设计之初就考虑到要在主循环中,同时只有一个线程在执行,就像单CPU的系统中运行多个进程那样,内存中可以存放多个程序,但任意时刻,只有一个程序在CPU中运行。同样地,虽然Python解释器中可以“运行”多个线程,但在任意时刻,只有一个线程在解释器中运行。
对Python虚拟机的访问由全局解释器锁(global interpreter lock, GIL)来控制,正是这个锁能保证同一时刻只有一个线程在运行。
说白了就是为了保证在任意时刻只有一个线程在CPU在解释器中运行。
GIL解决了什么问题:
为了利用多核,python支持多线程,但是线程之间存在数据完整性和状态同步问题,而GIL解决了多线程之间数据完整性和状态同步问题(给运行在解释器上的线程加锁,确保了在某一时刻只有一个线程在解释器中运行)。

GIL的影响:
给线程加锁,会对python多线程的效率有不小的影响,使用多线程进行CPU密集型的操作,会存在频繁的上下文切换,效率低下。

在多线程环境中,Python虚拟机按以下方式执行:

>设置GIL
>切换都一个线程去运行
>运行:a.指定数量的字节码的指令;b.线程主动让出控制;
>把线程设置为睡眠状态
>解锁GIL
>再次重复上述所有步骤

3.如何避免GIL的影响

>用multiprocessing代替Thread
通过使用多进程,我们并行运行了一定数量的python解释器,每一个进程都有私有的呢君空间,有自己的GIL,并且每一个都串行运行,所以没有GIL之间的竞争(多进程中,每一个子进程都单独有自己的一个python解释器,所以多进程可以忽略GIL对于性能的影响)。
>用其他python解释器