详细解释为什么说 Python “不是真的多线程”

2024年9月26日服务端开发8,164字数 1471阅读4分54秒阅读模式

Python 被认为“不是真的多线程”主要是由于全局解释器锁 (GIL) 的存在。

GIL 是 CPython 解释器（Python 最常用的实现）中的一个机制，它限制了同时只能有一个线程执行 Python 字节码。

以下是更详细的解释：

什么是 GIL

全局解释器锁 (GIL) 是一个互斥锁，用于保护访问 Python 对象的全局状态，确保只有一个线程能够执行 Python 字节码。GIL 的存在是为了简化内存管理，使 CPython 的实现变得更简单和高效。

为什么 Python “不是真的多线程”

Python 中的全局解释器锁（GIL）就像是一扇门，只有一把钥匙，只有一个线程能在同一时间进来执行代码。即使你的程序有多个线程，但由于 GIL 的存在，实际上只有一个线程在执行 Python 代码，其他线程必须等待。

这意味着，Python 的多线程在执行 CPU 密集型任务时不会真正提高效率，因为多个线程不能同时“动手”。所以，虽然你可以用多个线程来处理任务，但在实际运算时，它们并不会同时工作。

不过，对于 I/O 密集型任务（例如网络请求或文件读写），多线程可以提升性能，因为当一个线程在等待 I/O 操作时，其他线程可以继续执行。因此，GIL 的影响主要体现在 CPU 密集型任务上，而在处理 I/O 相关的任务时，多线程还是能带来好处的。

GIL 的影响

限制 CPU 密集型任务的多线程并行执行：
- 在 CPU 密集型任务中，即使你使用多线程来分割任务，GIL 也会导致只有一个线程能在任意时刻执行 Python 字节码。这样多线程的 CPU 密集型任务并不能真正实现并行计算。
I/O 密集型任务中的多线程仍有用：
- 对于 I/O 密集型任务（如网络请求、文件读写），线程在等待 I/O 操作完成时会释放 GIL，从而允许其他线程执行。因此，Python 的多线程在 I/O 密集型任务中仍然能够提高性能。

多线程的替代方案

多进程：

使用 multiprocessing 模块，Python 可以创建多个进程，每个进程都有自己的 Python 解释器和 GIL，因此可以实现真正的并行计算。

from multiprocessing import Process

def worker(num):
    print(f'Worker: {num}')

if __name__ == "__main__":
    processes = []
    for i in range(5):
        p = Process(target=worker, args=(i,))
        processes.append(p)
        p.start()

    for p in processes:
        p.join()

异步编程：

使用 asyncio 模块进行异步编程，可以有效地处理 I/O 密集型任务，通过协程实现并发，而不是并行。

import asyncio

async def worker(num):
    print(f'Worker: {num}')
    await asyncio.sleep(1)

async def main():
    tasks = [asyncio.create_task(worker(i)) for i in range(5)]
    await asyncio.gather(*tasks)

asyncio.run(main())