当前位置：首页 > news >正文

python——全局解释器锁（GIL）

news 来源：原创 2024/4/27 10:22:45

在这里插入图片描述

进程定义：

顾名思义，就是正在运行中的程序。是操作系统中分配任务的最小基本单元；

线程定义：

线程是进程中执行运算的最小单位，是进程中的一个实体，是被系统独立调度和分派的基本单位。线程自己不拥有系统资源；但它可与同属一个进程的其它线程共享进程所拥有的全部资源。一个线程可以创建和撤消另一个线程，同一进程中的多个线程之间可以并发执行。

进程和线程的区别

1、进程是操作系统分配任务的基本单位，进程是python中正在运行的程序；当我们打开了1个浏览器时就是开始了一个浏览器进程；
线程是进程中执行任务的基本单元（执行指令集），一个进程中至少有一个线程、当只有一个线程时，称为主线程
2、线程的创建和销毁耗费资源少，进程的创建和销毁耗费资源多；线程很容易创建，进程不容易创建
3、线程的切换速度快，进程慢
4、一个进程中有多个线程时：线程之间可以进行通信；一个进程中有多个子进程时，进程与进程之间不可以相互通信，如果需要通信时，就必须通过一个中间代理实现，Queue、Pipe。
5、多进程可以利用多核cpu，多线程不可以利用多核cpu
6、一个新的线程很容易被创建，一个新的进程创建需要对父进程进行一次克隆
7、多进程的主要目的是充分使用CPU的多核机制，多线程的主要目的是充分利用某一个单核

在这里插入图片描述

多进程中，异步执行任务时，CPU内存空间不一致，但是资源数据是主进程中拷贝的；即一个新的进程创建需要对父进程进行一次克隆

进程池

进程池：可以提供指定数量的进程给用户使用,即当有新的请求提交到进程池中时，如果池未满，则会创建一个新的进程用来执行该请求;反之，如果池中的进程数已经达到规定最大值，那么该请求就会等待，只要池中有进程空闲下来，该请求就能得到执行。

作用：

1、当进程数过多时，用于限制同时执行的进程数
2、自动的释放资源，节省内存空间
3、提高效率，节省开辟进程和开辟内存空间的时间及销毁进程的时间

import os
import time
from multiprocessing import Process,Pool

number=100
def func(name):
    print(f'子进程的id:{os.getpid()},子进程的名称{name}')
    for i in range(3):
        global number
        number+=1
        print(number)
    time.sleep(1)

if __name__ == '__main__':
    print(f'主进程的id:{os.getpid()}')
    p_collects=Pool(5)
    p_collects.apply_async(func,args=('process-1',))
    p_collects.apply_async(func,args=('process-2',))

    p_collects.close()      #todo 把当前的进程池关掉，不允许去创建新的进程了
    p_collects.join()
    print('主线执行完毕')
    print(number)

主进程的id:25124
子进程的id:19928,子进程的名称process-1
101
102
103
子进程的id:27500,子进程的名称process-2
101
102
103
主线执行完毕
100

CPU密集型（计算密集型）和IO密集型

CPU密集型（计算密集型）：计算圆周率、浮点运算、对视频进行高清解码
IO密集型：涉及到网络、磁盘IO的任务都是IO密集型任务，Web应用
多进程的主要目的是充分使用CPU的多核机制
多线程的主要目的是充分利用某一个单核

全局解释器锁（GIL）

GIL 是python的全局解释器锁，同一进程中假如有多个线程运行，一个线程在运行python程序的时候会霸占python解释器（加了一把锁即GIL），使该进程内的其他线程无法运行，等该线程运行完后其他线程才能运行。如果线程运行过程中遇到耗时操作，则解释器锁解开，使其他线程运行。所以在多线程中，线程的运行仍是有先后顺序的，并不是同时进行。

保证同一个时刻只有一个线程在运行，所以python多线程并不是并行的，是并发的
对于IO密集型全局解析器锁的存在并不会提高执行的速度
即使存在GIL 在有IO等待操作的程序中，还是多线程快，当然没有资源等待的还是单线程快（科学计算，累加）

有了全局解释器锁（GIL）为什么还需要同步锁？

全局解析器锁（GIL）加在了全局了，没有加到我所想要的位置，加到什么位置不是我们决定的；
包括修改资源的程序和非修改资源的程序，如果出现在修改资源的相关代码上，肯定会出现脏数据。
同步锁：来获取一把互斥锁。互斥锁就是对共享数据进行锁定，保证同一时刻只有一个线程操作数据，是数据级别的锁。
GIL锁是解释器级别的锁，保证同一时刻进程中只有一个线程拿到GIL锁，拥有执行权限。

2个线程执行任务造成数据混乱

import threading
num=0
def work():
    global num
    for i in range(1000000):
        num+=1
    print('work',num)


def work1():
    global num
    for i in range(1000000):
        num+=1
    print('work1',num)

if __name__ == '__main__':
    t1=threading.Thread(target=work)
    t2=threading.Thread(target=work1)
    t1.start()
    t2.start()
    t1.join()
    t2.join()
    print('主线程执行结果',num)

执行结果：明显数据混乱了

work work1 16347351376208

主线程执行结果 1634735

说明：

代码中：num+=1，可以拆解为
num=100
100+1
num=101
同步锁这3行代码执行完毕了才会释放锁

加同步锁（with方法）

from threading import Lock

import threading
num=0
def work():
    global num
    for i in range(1000000):
        with lock:
            num+=1
    print('work',num)


def work1():
    global num
    for i in range(1000000):
        with lock:
            num+=1
    print('work1',num)

if __name__ == '__main__':
    lock=Lock()
    t1=threading.Thread(target=work)
    t2=threading.Thread(target=work1)
    t1.start()
    t2.start()
    t1.join()
    t2.join()
    print('主线程执行结果',num)

work 1845334work1 2000000

主线程执行结果 2000000

加同步锁（acquire方法和release方法）

from threading import Lock

import threading
num=0
def work():
    global num
    for i in range(1000000):
        lock.acquire()
        num+=1
        lock.release()
    print('work',num)


def work1():
    global num
    for i in range(1000000):
        lock.acquire()
        num += 1
        lock.release()
    print('work1',num)

if __name__ == '__main__':
    lock=Lock()
    t1=threading.Thread(target=work)
    t2=threading.Thread(target=work1)
    t1.start()
    t2.start()
    t1.join()
    t2.join()
    print('主线程执行结果',num)