沙龙晃荡 | 去哪儿、陌陌、ThoughtWorks在主动化运维中的实践！10.28不见不散！

Python中因为应用了全局解释锁(GIL)的原因，代码并不克不及同时在多核上并发的运行，也就是说，Python的多线程不克不及并发，很多人会发明应用多线程来改进本身的Python代码后，法度榜样的运行效力却降低了。这篇文┞仿对Python中的全局解释锁(GIL)进行了介绍。作者认为这是Python中最令人头疼的问题。

十年多年来，Python 的全局说冥器锁(GIL)给新手和专家们带来了巨大年夜的挫折感亲睦奇心。

悬而未决的问题

这些问题很实用，它们的谜底也十分有趣。GIL 为很多对象的拜访供给这保护，比如当前哨程状况和为垃圾收受接收而用的堆分派对象。这对 Python 说话来说没什么奇怪的，它须要应用一个 GIL 。这是该实现的一种产品。如今也有不应用 GIL 的 Python 说冥器(和编译器)。然则对于 CPython 来说，大年夜其产生到如今 GIL 就一向在存在了。

每个范畴都邑有这么一个问题：它难度大年夜、耗时多，仅仅是测验测验解决这个问题都邑让人震动。全部社区在良久以前就放弃了这个问题，如今只有少数人在尽力试图解决它。对于初学者来说，解决如许高难度的问题，会给他带来足够的荣誉。计算机科学范畴中的 P = NP 就是如许的问题。如不雅能用多项式时光复杂度解决这个问题，那的确就可以改变世界了。Python 中最艰苦的问题比 P = NP 要轻易一些，不过迄今仍然没有一个知足的谜底，解决这个问题和解决 P = NP 问题一样具有概绫屈性。正因为如斯， Python 社区会有如斯多的人存眷于这个的问题: “对于全局说冥器锁(GIL)能做什么?”

我们如今能做什么呢?难道作为 Python 开辟人员的我们要放弃应用多线程来实现并行吗?为什么 GIL 在某一时刻只许可一个线程在运行呢?在并发拜访时，难道弗成以用粒度更细的锁来保护多个自力对象?为什么没有人做过类似的测验测验呢?

Python 的底层

要懂得 GIL 的含义，我们须要大年夜 Python 的基本说起。像 C++ 如许的说话属于编译型说话，顾名思义，该类型说话的代码输入到编译器，由编译器根据说话的语法进行解析，生成与说话无关的中心表示，最后链接成由高度优化的机械码构成的可履行法度榜样。因为编译器可以获取全部代码(或者是一大年夜段相对自力的代码)，所以编译器可以对代码进行深度优化。这使得它可以对不合的说话构造之间的交互进行推理，大年夜而做出更有效的优化。

相反，Python 是解释型说话。代码被输入到说冥器来运行。说冥器在履行之前对代码一窍不通;它肮脏道 Python 的规矩，以及如安在履行过程中动态地应用这些规矩。它也有一些优化，然则和编译型说话的优化完全不合。因为说冥器不克不及很好地对代码进行推导，Python 的大年夜部分优化其实是说冥器本身的优化。更快的说冥器天然意味着更快的法度榜样运行速度，而这种优化对开辟者来说是免费的。也就是说，说冥器优化后，开辟者不消修改 Python 代码就可以坐享优化带来的好处。

这是异常重要的一点，这里有须要在强调一下。在一致前提下，Python 法度榜样的运行速度与说冥器的“速度”直接相干相干。无论开辟者如何优化本身的代码，法度榜样的履行速度照样受限于说冥器的履行效力。很明显，这就是为什么做了如斯多的工作却竽暌古化 Python 说冥器。这大年夜概是离 Python 开辟者比来的免费的午餐。

免费午餐停止了

照样没有停止?摩尔定律告诉了我们硬件提速的时光表，同时，整整一代法度榜样员学会了如安在摩尔定律下编写代码。如不雅法度榜样员写了比较慢的代码，最简单的办法平日是稍稍等待一下更快的处理器问世即可。事实上，摩尔定律仍然是并且会在很长一段时光内是有效的，不过它生效的方法有了根本的变更。时钟频率不会稳定增长到一个高弗成攀的速度，取而代之的是经由过程多菏攀来应用晶体管密度进步带来的好处。想要法度榜样可以或许充分应用新处理器的机能，就必须按照并发方法对代码进行重写。

大年夜部分开辟者听到“并发”平日会立时想到多线程法度榜样。今朝，多线程仍是应用多核体系最常见的方法。多线程编程比传统的“次序”编程要难很多，不过细心的法度榜样员可以在代码中充分应用多线程的并发性。既然几乎所有应用广泛的现代编程说话都支撑多线程编程，说话在多线程方面的实现应当是过后添加上去的。

那么在不合线程同时拜访数据时，如何才能保护数据呢?谜底是全局说冥器锁。顾名思义，这是一个加在说冥器上的全局锁(大年夜互斥量或者类似便义上来看)。这种方法是很安然，然则(对于 Python 初学者来说)这也就意味着：对于任何 Python 法度榜样，不论有若干线程，若干处理器，任何时刻都只有一个线程在履行。

不测的事实

如今我们来看一下问题的关键地点。想要应用多核体系，Python 必须支撑多线程。作为解释型说话，Python 的说冥器对多线程的支撑必须是既安然又高效的。我们都知道多线程编程带来的问题。说冥器必须避免不合的线迟疑作内部共享的数据。同时还要包管用户线程能完成尽量多的计算。

很多人都是有时发明这个事实。网上的评论辩论组和留言板充斥着来自 Python 初学者和专家提出的类似的问题：为什愦我全新的多线程 Python 法度榜样运行得比其只有一个线程的时刻还要慢?在问这个问题时，很多人还认为本身像个傻瓜，因为如不雅法度榜样确切是可并行的，那么两个线程的法度榜样显然要比单线程要快。事实上，问及这个问题的次数实袈溱太多了，Python 的专家们已经为它预备了一个标准谜底：不要应用多线程，请应用多过程。但这个谜底比问题本身加倍让仁攀困惑：难道我不克不及在 Python 中应用多线程?在 Python 如许风行的说话中应用多线程毕竟是有多糟糕，连专家都建议不要应用。是我哪琅绫腔有搞明白吗?

　　推荐阅读

　　iOS开发中各种关键字的区别

沙龙晃荡 | 去哪儿、陌陌、ThoughtWorks在主动化运维中的实践！10.28不见不散！ 一、一些概念 浅Copy:指针的复制，只是多了一个指向这块内存的指针，共用一块内存。 深Copy:内存的复>>>详细阅读

本文标题：最令人头疼的Python问题

地址：http://www.17bianji.com/lsqh/38077.html

 1/2    1