Python多线程补充—GIL

GIL(Global Interpreter Lock )

GIL从名称翻译：全局解释器锁。

作用：限制同一个进程内只同一时刻允许一个线程执行（不允许并行），即使计算机有多核功能。从而保证线程安全

来源：Cpython解释器

也就是说GIL是一把互斥锁，限制程序并行执行。它的级别是解释器级别的，强制的，不是Python的特性，而是Cpython解释器特有的。

为什么会有GIL呢，查过一些资料，我的理解是从python垃圾回收机制说起

垃圾回收机制

Python中的垃圾回收是以引用计数为主，分代收集为辅。
在Python中，如果一个对象的引用数为0，Python虚拟机就会回收这个对象的内存。

1. 导致引用计数+1的情况
   1. 对象被创建，例如a=23
   2. 对象被引用，例如b=a
   3. 对象被作为参数，传入到一个函数中，例如func(a)
   4. 对象作为一个元素，存储在容器中，例如list1=[a,a]
2. 导致引用计数-1的情况
   1. 对象的别名被显式销毁，例如del a
   2. 对象的别名被赋予新的对象，例如a=24
   3. 一个对象离开它的作用域，例如f函数执行完毕时，func函数中的局部变量（全局变量不会）
   4. 对象所在的容器被销毁，或从容器中删除对象

 　　　　　　　　（注：摘自：）

如果，一个变量同时被引用呢，在同一个进程内，各个线程可以共享数据。当他们同时引用一个对象，则会使垃圾回收机制的计数错误，可能使对象还有引用，但是却被回收了。因此Cpython解释器就引入了GIL锁

在一个进程内，每个线程想要获取cpu运行的权限，都要获取GIL锁对象，因此线程们无法并行执行。也就避免了上述问题。

而获取GIL的线程，无论何时，它一旦睡眠或者是等待I/O，它没有了运行PYthon代码的必要,它就会让出GIL，其他线程就会有获取GIL的机会。这也叫做协同式多任务管理

 

既然有了GIL,为什么还需要自己给数据加上锁（Lock）呢?

　　因为除了协同式多任务管理，还有抢占式多任务管理，也就是说一个线程在执行Python代码时，有可能会被强制让出GIL,让其他线程执行。

　　而且在数据处理的过程中也能会有I/O阻塞，使线程主动让出GIL，其他线程可能获取GIL处理同一个数据，造成数据混乱

所以，GIL保护的是解释器级别的数据，我们自己创建的数据需要我们自己加锁。

线程的互斥锁可见：

总结：

　　GIL的优点就是保护线程安全，缺点也很明显：无法利用多核优势，使程序运行速度变慢，而现在计算机多核是十分普遍，似乎GIL的缺陷也显得更加的明显，但是Pyhton中很多库都是默认有GIL存在的，而且上述也提到，遇到I/O阻塞会切换，无论多核单核，也无法改变阻塞的时间。因此GIL对于 I/O密集型的任务，影响不大。对于计算密集型的任务，就用多进程并发吧。