Python全局锁中合理运用多线程的示例

小编给大家分享一下Python全局锁中合理运用多线程的示例,希望大家阅读完这篇文章之后都有所收获、下面让我们一起去探讨吧!

<强> Python全局锁

<强>(1)全局锁导致的问题

全局锁的英文简称是吉尔,全称是全局解释器锁(全局解释器锁),来源是Python设计之初的考虑,为了数据安全所做的决定,每个线程在执行时候都需要先获取吉尔,保证同一时刻只有一个线程可以执行代码,即同一时刻只有一个线程使用CPU,也就是说多线程并不是真正意义上的同时执行。
每个CPU在同一时间只能执行一个线程(在单CPU核下的多线程其实都只是并发,不是并行,并发和并行从宏观上来讲都是同时处理多路请求的概念。但并发和并行又有区别,并行是指两个或者多个事件在同一时刻发生(多个CPU同时执行某个任务);而并发是指两个或多个事件在同一时间间隔内发生。)

在Python多线程下,每个线程的执行方式:

1,获取吉尔

2,执行代码直到睡眠或者是Python虚拟机将其挂起。

3,释放吉尔

可见,某个线程想要执行,必须先拿到吉尔,我们可以把吉尔看作是“通行证”,并且在一个Python进程中,吉尔只有一个。拿不到通行证的线程,就不允许进入CPU执行。

在Python2。x里,吉尔的释放逻辑是当前线程遇见IO操作或者蜱虫计数达到100(蜱虫可以看作是Python自身的一个计数器,专门做用于吉尔,每次释放后归零,这个计数可以通过系统。setcheckinterval来调整),进行释放。
而每次释放吉尔锁,线程进行锁竞争,切换线程,会消耗资源,并且由于吉尔锁存,在python里一个进程永远只能同时执行一个线程(拿到吉尔的线程才能执行),这就是为什么在多核CPU上,python的多线程效率并不高。

(2)在有全局锁的情况下如何运行多线程,多进程

在这里我们进行分类讨论:

1, CPU密集型代码(各种循环处理,计数等等),在这种情况下,由于计算工作多,蜱虫计数很快就会达到阈值,然后触发吉尔的释放与再竞争(多个线程来回切换当然是需要消耗资源的),所以python下的多线程对CPU密集型代码并不友好,此时可以采用多进程形式实现多任务。

2, IO密集型代码(文件处理,网络爬虫等),多线程能够有效提升效率(单线程下有IO操作会进行IO等待,造成不必要的时间浪费,而开启多线程能在线程一个等待时,自动切换到线程B,可以不浪费CPU的资源,从而能提升程序执行效率),所以python的多线程对IO密集型代码比较友好。

而在python3.x中,吉尔不使用蜱虫计数,改为使用计时器(执行时间达到阈值后,当前线程释放吉尔),这样对CPU密集型程序更加友好,但依然没有解决吉尔导致的同一时间只能执行一个线程的问题,所以效率依然不尽如人意。

请注意:多核多线程比单核多线程更差,原因是单核下多线程,每次释放吉尔,唤醒的那个线程都能获取到吉尔锁,所以能够无缝执行,但多核下,CPU0释放吉尔后,其他CPU上的线程都会进行竞争,但吉尔可能会马上又被CPU0拿到,导致其他几个CPU上被唤醒后的线程会醒着等待到切换时间后又进入待调度状态,这样会造成线程颠簸(抖动),导致效率更低

回到最开始的问题:经常我们会听到老手说:“python下想要充分利用多核CPU,就用多进程”,原因是什么呢?
原因是:每个进程有各自独立的吉尔,互不干扰,这样就可以真正意义上的并行执行,所以在python中,多进程的执行效率优于多线程(仅仅针对多核CPU而言)。

(3)代码实例

使用一个线程去计数