概述GIL(全局解释器锁) 以及解决GIL带来的影响的第二种方法时python 子线程调用 C语言方法

我会带着你远行 2021-11-22 13:22 329阅读 0赞

## GIL(全局解释器锁) 以及 python子线程调用C语言的方法 ##

> 今天偶然间看到一篇文章，关于 GIL 在python中对 计算密集型 多任务的影响。  
> 接下来，我来尝试分析一下 GIL 到底是什么，怎么去解决 GIL 带来的问题，以及在解决问题的第二种方法时说明怎样调用其它语言的方法。

*  问题一：什么是 GIL?
 *  问题二：线程释放GIL的情况是什么？
 *  问题三：怎么解决 GIL 带来的影响？

### **问题一： 什么是 GIL ？** ###

首先，GIL 中文全称叫做——全局解释器锁，我们先不管别的，光看名字就知道，肯定和 解释器有关，对 没错，GIL 就是 实现python解释器（Cpython）的时候引入的一个概念，是Cpython（C语言写的python解释器）的特性，GIL 和python这个语言，没有半点关系，是cpython解释器（历史遗留问题造成的，也就是说，你用Cpython解释器（ubantu自带的python解释器）面临GIL 问题，但是你用Jpython解释器（JAVA写的python解释器）就没有任何问题。  
其次，GIL 的作用：保证了 系统在执行代码的时候，`同一时刻只能执行一个线程`，这就导致了当用python实现多线程的时候，`每个线程在使用之前，先获得一个GIL锁`，最终导致 其实实现的多任务并不是真正的多任务，而是假的多任务（并发）。造成了什么影响呢？就是当你调用多线程的时候体现不出 多核CPU的优点，因为 GIL 保证了同一时刻只能有一个线程在执行。

### **问题二：线程释放GIL的情况是什么？** ###

【1】当程序执行到 IO(读写操作) 以及其他可能会引起堵塞的系统调用操作(system call)之前，线程可 暂时 释放GIL锁，执行完毕之后，又会立刻重新获取GIL锁。  
【2】Python3.x使用计时器（执行时间达到阈值后，当前线也会程释放GIL）

### **问题三：怎么解决 GIL 带来的影响？** ###

【1】换一个python解释器，不用Cpython解释器(即不用python官网上下载的解释器了)，改为用Jpython解释器  
【2】用其它语言代替实现(比如说C语言——这里用C语言演示)

//**实验**
    
    // 【1】首先，创建一个C程序文件—— loop.c，简单的死循环用来测试 CPU占用情况
    void DeadLoop()
    {
    	while(1)
    	{
    		;
    	}
    }
    
    // 【2】把这个C程序文件转为 动态库
    // Linux中转为动态库的命令： gcc -loop.c -shared -o llibdead_loop.so
    gcc -loop.c -shared -o llibdead_loop.so
    
    //创建 01.py python文件
    from ctypes import *
    from threading import Thread
    # 加载动态库
    lib = cdll.LoadLibrary("./libdead_loop.so")
    # 创建一个子线程，让它执行C语言编写的函数
    t = Thread(target=lib.DeadLoop)
    t.start()
    # 主线程
    while True:
    	pass

无论怎样，多线程还是要比单线程效率高的，因为单线程 需要等待某一任务完成之后再去进行下一个任务，如果期间遇到堵塞，有可能等很长时间，而多线程就算有GIL的影响，当遇到堵塞的时候，就会利用这个堵塞的时间去完成其他任务，效率也是快了很多的。