浅谈Python中的全局锁(GIL)问题

什么是GIL

GIL 全称 Global Interpreter Lock，意为全局解释器锁。在 Python 中，一次只能执行一个线程，所以为了保证线程安全，引入了 GIL 的概念。GIL 是 Python 解释器中自带的机制，用来保证同一时刻只有一个线程在执行 Python 代码。当一个线程开始执行 Python 代码时，GIL 就会获得并锁住 Python 解释器，保证只有这个线程可以接触到解释器。

GIL的问题

GIL 的存在使得 Python 的多线程执行遭遇瓶颈。虽然 Python 可以使用多进程的方式解决多线程所面临的瓶颈，但多进程的开销相比于多线程会比较大。而且在某些场景下，使用多线程更为方便。

举个例子

例子1

import threading

num = 0

def thread_test():
    global num
    for i in range(1000000):
        num += 1
    print(num)

thread1 = threading.Thread(target=thread_test)
thread2 = threading.Thread(target=thread_test)
thread1.start()
thread2.start()

以上代码会创建两个线程，每个线程都会对 num 进行 1000000 次加 1 操作，并打印最终的计数结果。

但是执行的结果可能出乎想象：

1265211
1394415

实际上，我们想要的结果应该是 2000000。原因就在于 GIL。

在使用多线程执行 Python 代码时，由于 GIL 的存在，每一个时刻只有一个线程在执行 Python 代码。在本例中，两个线程交替获得 GIL，一次只能做一次加法。最终的结果可能超出预期。

例子2

import threading

num = 0

def thread_test():
    global num
    for i in range(1000000):
        num += 1
    print(num)

thread1 = threading.Thread(target=thread_test)
thread2 = threading.Thread(target=thread_test)
thread3 = threading.Thread(target=thread_test)
thread1.start()
thread2.start()
thread3.start()

以上代码会创建三个线程，每个线程都会对 num 进行 1000000 次加 1 操作，并打印最终的计数结果。

执行的结果可能如下：

2324507
2424009
3553736

同样也是超出预期的。

在这个例子中，如果想要结果正确，可以使用 threading.Lock() 对共享变量进行锁定：

import threading

num = 0
lock = threading.Lock()

def thread_test():
    global num
    for i in range(1000000):
        lock.acquire()
        num += 1
        lock.release()
    print(num)

thread1 = threading.Thread(target=thread_test)
thread2 = threading.Thread(target=thread_test)
thread3 = threading.Thread(target=thread_test)
thread1.start()
thread2.start()
thread3.start()

使用 lock 后，每个线程在执行对 num 的加 1 操作前都会尝试获取锁，如果拿到锁后才执行加法操作。这样可以保证在同一时刻只有一个线程对 num 进行操作，最终达到正确的结果。