基于pcode數量的調度方式

按照Python社區(qū)的想法，操作系統(tǒng)本身的線程調度已經非常成熟穩(wěn)定了，沒有必要自己搞一套。所以Python的線程就是C語言的一個pthread，并通過操作系統(tǒng)調度算法進行調度(例如linux是CFS)。為了讓各個線程能夠平均利用CPU時間，python會計算當前已執(zhí)行的微代碼數量，達到一定閾值后就強制釋放GIL。而這時也會觸發(fā)一次操作系統(tǒng)的線程調度(當然是否真正進行上下文切換由操作系統(tǒng)自主決定)。

偽代碼

whileTrue:

acquireGIL

foriin1000:

dosomething

releaseGIL

/*GiveOperatingSystemachancetodothreadscheduling*/

這種模式在只有一個CPU核心的情況下毫無問題。任何一個線程被喚起時都能成功獲得到GIL(因為只有釋放了GIL才會引發(fā)線程調度)。但當CPU有多個核心的時候，問題就來了。從偽代碼可以看到，從releaseGIL到acquireGIL之間幾乎是沒有間隙的。所以當其他在其他核心上的線程被喚醒時，大部分情況下主線程已經又再一次獲取到GIL了。這個時候被喚醒執(zhí)行的線程只能白白的浪費CPU時間，看著另一個線程拿著GIL歡快的執(zhí)行著。然后達到切換時間后進入待調度狀態(tài)，再被喚醒，再等待，以此往復惡性循環(huán)。

PS：當然這種實現方式是原始而丑陋的，Python的每個版本中也在逐漸改進GIL和線程調度之間的互動關系。例如先嘗試持有GIL在做線程上下文切換，在IO等待時釋放GIL等嘗試。但是無法改變的是GIL的存在使得操作系統(tǒng)線程調度的這個本來就昂貴的操作變得更奢侈了。

關于GIL影響的擴展閱讀

為了直觀的理解GIL對于多線程帶來的性能影響，這里直接借用的一張測試結果圖(見下圖)。圖中表示的是兩個線程在雙核CPU上得執(zhí)行情況。兩個線程均為CPU密集型運算線程。綠色部分表示該線程在運行，且在執(zhí)行有用的計算，紅色部分為線程被調度喚醒，但是無法獲取GIL導致無法進行有效運算等待的時間。

GIL的存在導致多線程無法很好的立即多核CPU的并發(fā)處理能力。

那么Python的IO密集型線程能否從多線程中受益呢?我們來看下面這張測試結果。顏色代表的含義和上圖一致。白色部分表示IO線程處于等待?？梢?，當IO線程收到數據包引起終端切換后，仍然由于一個CPU密集型線程的存在，導致無法獲取GIL鎖，從而進行無盡的循環(huán)等待。

簡單的總結下就是：Python的多線程在多核CPU上，只對于IO密集型計算產生正面效果;而當有至少有一個CPU密集型線程存在，那么多線程效率會由于GIL而大幅下降

以上內容為大家介紹了python之當前GIL設計的缺陷，希望對大家有所幫助，如果想要了解更多Python相關知識，請關注IT培訓機構:千鋒教育。http://www.parentadvocate.org/