欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

全局解释器锁GIL & 线程锁

程序员文章站 2022-06-05 16:06:54
1.GIL锁(Global Interpreter Lock) Python代码的执行由Python虚拟机(也叫解释器主循环)来控制。Python在设计之初就考虑到要在主循环中,同时只有一个线程在执行。虽然 Python 解释器中可以“运行”多个线程,但在任意时刻只有一个线程在解释器中运行。 对Py ......

1.gil锁(global interpreter lock)

  python代码的执行由python虚拟机(也叫解释器主循环)来控制。python在设计之初就考虑到要在主循环中,同时只有一个线程在执行。虽然 python 解释器中可以“运行”多个线程,但在任意时刻只有一个线程在解释器中运行。

  对python虚拟机的访问由全局解释器锁(gil)来控制,正是这个锁能保证同一时刻只有一个线程在运行。

  gil本质就是一把互斥锁,既然是互斥锁,所有互斥锁的本质都一样,都是将并发运行变成串行,以此来控制同一时间内共享数据只能被一个任务所修改,进而保证数据安全。

python程序运行的过程

1.在内存中加载生成一个进程的内存空间

2.这个内存空间中有有解释器的代码和你要执行进程的代码

3.进程中又有多个线程

4.由于python是一门解释型语言, cpu无法识别python的代码, 所以必须经过解释器来对代码进行编译成二进制的代码(.pyc)

5.但是由于cpython解释器的特性,有一个gil锁,同一时刻只能有一个线程能进入解释器进行编译

6.当一个线程运行了指定数量的字节码指令或者遇到i/o操作时, gil锁才会被释放, 后面的线程再去抢gil锁重复前面的操作

7.所以对于同一个进程中的多个线程是无法同时使用多个cpu的

全局解释器锁GIL & 线程锁

2.同步锁

  当同时异步提交多个线程, 这些线程都有相同的数据修改操作, 且在数据修改操作之前有i/o操作或者网络延时, 这个时候可能多个进程拿到的数据是相同的, 然后修改后的数据也是相同的, 这样就会造成数据混乱问题. 这个时候就能用到同步锁, 在拿数据前加个锁,修改完之后再释放, 这样就不会有数据混乱的问题.

全局解释器锁GIL & 线程锁
from threading import thread
import os,time
def work():
    global n
    temp=n
    time.sleep(0.1)
    n=temp-1
if __name__ == '__main__':
    n=100
    l=[]
    for i in range(100):
        p=thread(target=work)
        l.append(p)
        p.start()
    for p in l:
        p.join()

    print(n) #结果可能为99
多个线程抢占资源
全局解释器锁GIL & 线程锁
from threading import thread,lock
import os,time
def work():
    global n
    lock.acquire()
    temp=n
    time.sleep(0.1)
    n=temp-1
    lock.release()
if __name__ == '__main__':
    lock=lock()
    n=100
    l=[]
    for i in range(100):
        p=thread(target=work)
        l.append(p)
        p.start()
    for p in l:
        p.join()

    print(n) #结果肯定为0,由原来的并发执行变成串行,牺牲了执行效率保证了数据安全
同步锁示例

 死锁和递归锁

所谓死锁: 是指两个或两个以上的进程或线程在执行过程中,因争夺资源而造成的一种互相等待的现象,若无外力作用,它们都将无法推进下去。此时称系统处于死锁状态或系统产生了死锁,这些永远在互相等待的进程称为死锁进程.

全局解释器锁GIL & 线程锁
import time
from threading import thread, lock, rlock

def func1(locka,lockb):
    locka.acquire()
    time.sleep(1)
    print("锁a")
    lockb.acquire()
    print("锁b")
    lockb.release()
    locka.release()

def func2(locka,lockb):
    lockb.acquire()
    print("锁a")
    locka.acquire()
    print("锁b")
    locka.release()
    lockb.release()

if __name__ == '__main__':
    locka = lock()
    lockb = lock()
    t1 = thread(target=func1, args=(locka,lockb ))
    t1.start()
    t2 = thread(target=func2, args=(locka, lockb))
    t2.start()
死锁现象示例

 

解决方案: 递归锁, 在python中为了支持在同一线程中多次请求同一资源,python提供了可重入锁rlock。

这个rlock内部维护着一个lock和一个counter变量,counter记录了acquire的次数,从而使得资源可以被多次require。直到一个线程所有的acquire都被release,其他的线程才能获得资源。上面的例子如果使用rlock代替lock,则不会发生死锁:

全局解释器锁GIL & 线程锁
import time
from threading import thread, lock, rlock

def func1(locka,lockb):
    locka.acquire()
    time.sleep(1)
    print("锁a")
    lockb.acquire()
    print("锁b")
    lockb.release()
    locka.release()

def func2(locka,lockb):
    lockb.acquire()
    print("锁a")
    locka.acquire()
    print("锁b")
    locka.release()
    lockb.release()

if __name__ == '__main__':
    locka = lockb = rlock()
    t1 = thread(target=func1, args=(locka,lockb ))
    t1.start()
    t2 = thread(target=func2, args=(locka, lockb))
    t2.start()
递归锁rlock

 

3.gil锁与同步锁lock

锁的目的是都是为了保护共享数据, 同一时刻只能有一个线程来修改共享的数据

gil是解释器级别的, 保护的是解释器级别的数据, 比如垃圾回收的数据.

lock是保护用户自己开发的应用程序的数据.

过程分析:所有线程抢的是gil锁, 或者书所有线程强的是执行权限

线程1抢到gil锁,拿到执行权限,开始执行,然后加了一把lock,还没有执行完毕,即线程1还未释放lock,有可能线程2抢到gil锁,开始执行,执行过程中发现lock还没有被线程1释放,于是线程2进入阻塞,被夺走执行权限,有可能线程1拿到gil,然后正常执行到释放lock。。。这就导致了串行运行的效果

全局解释器锁GIL & 线程锁

 

 互斥锁和join的区别

start后立即join: 任务内的所有代码都是串行执行的, 而加锁, 只是加锁的部分即修改共享数据的部分是串行的.

但从保证数据安全方面, 二者都可以实现, 但很明显是加锁的效率更高.