GIL锁

标签：python多线程   运行   ade   pid   rop   ssi   使用   概念   非阻塞   

一、概念理论

1、什么是GIL

全局解释器锁 ,是加在解释器上的互斥锁。

?为什么需要GIL

由于CPython的内存管理是非线程安全,于是CPython就给解释器加了个锁,解决了安全问题

但是降低了效率

另外 虽然有解决方案 但是由于牵涉太多,一旦修改则 很多以前的基于GIL的程序都需要修改,

所以变成了历史遗留问题

2、 GIL带来的问题

即使在多核处理器下， 也无法真正的并行。

总结:

1.在单核情况下,无论是IO密集还是计算密集 GIL都不会产生影响

2.如果是多核下,IO密集型会受到GIL的影响,但是很明显IO速度远比计算速度慢

3.IO密集型用多线程,因为多线程开销小,节省资源, 对于计算密集型 应该使用多进程,因为在

CPython多线程是无法并行的

二、多进程与多线程效率对比

from threading import Thread
from multiprocessing import Process
import time
a=1
def task():
    global a
    for i in range(10000):
        a+=1
        a*10/2-3
s=time.time()
?
?
if __name__ == ‘__main__‘:
    # 多线程
    # t1 = Thread(target=task)
    # t2 = Thread(target=task)
    # t3 = Thread(target=task)
    # t1.start()
    # t2.start()
    # t3.start()
?
    p1=Process(target=task)
    p2=Process(target=task)
    p3=Process(target=task)
    p1.start()
    p2.start()
    p3.start()
?
    print(time.time()-s)

三、GIL与自定义线程锁的区别

from threading import  Thread,Lock
import time
?
lock = Lock()
a = 0
def task():
    global a
    lock.acquire()
    temp = a
    time.sleep(0.01)
    a = temp + 1
    lock.release()
?
ts = []
for i in range(10):
    t1 = Thread(target=task)
    t1.start()
    ts.append(t1)
?
for i in ts:
    i.join()
?
print(a)

GIL使用用于保护解释器相关的数据,解释器也是一段程序,肯定有其定义各种数据 GIL并不能保证你自己定义的数据的安全,所以一旦你的程序中出现了多线程共享数据时就需要自己加锁

四、线程池的使用

?
?
from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor
from  threading import active_count,current_thread
import os,time
# 创建线程池 指定最大线程数为3  如果不指定 默认为CPU核心数 * 5
# pool = ThreadPoolExecutor(3)# 不会立即开启子线程
#
# print(active_count())
#
# def task():
#     print("%s running.." % current_thread().name)
#     time.sleep(1)
#
# #提交任务到线程池
# for i in range(10):
#     pool.submit(task)
#
?
?
# 创建进程池 最大进程数为3 默认为cpu个数
pool = ProcessPoolExecutor(3)# 不会立即开启子进程
?
# time.sleep(10)
?
def task():
    print("%s running.." % os.getpid())
    time.sleep(1)
?
if __name__ == ‘__main__‘:
    # #提交任务到进程池
    for i in range(10):
        pool.submit(task) # 第一次提交任务时会创建进程  ,后续再提交任务,直接交给以及存在的进程来完成,如果没有空闲进程就等待
?
?
# 与信号量的区别 ,信号量也是一种锁 适用于保证同一时间能有多少个进程或线程访问
# 而线程/进程池,没有对数据访问进行限制仅仅是控制数量
?
?
?

五、同步与异步

"""
阻塞 非阻塞
程序遇到了IO操作,无法继续执行代码,叫做阻塞
程序没有遇到IO操作,正常执行中,就叫非阻塞
它们指的是程序的状态
?
    就绪  运行  阻塞
?
就绪和阻塞给人的感觉就是卡主了
?
?
同步 异步
同步(调用/执行/任务/提交),发起任务后必须等待任务结束,拿到一个结果才能继续运行
异步                     发起任务后不需要关系任务的执行过程,可以继续往下运行
?
异步效率高于同步
但是并不是所有任务都可以异步执行,判断一个任务是否可以异步的条件是,任务发起方是否立即需要执行结果
?
?
同步不等于阻塞  异步不等于非阻塞
当使用异步方式发起任务时 任务中可能包含io操作  异步也可能阻塞
同步提交任务 也会卡主程序 但是不等同阻塞,因为任务中可能在做一对计算任务,CPU没走
"""
?
# 使用线程池 来执行异步任务
?
from concurrent.futures import ThreadPoolExecutor
import time
pool = ThreadPoolExecutor()
?
?
def task(i):
?
    time.sleep(1)
    print("sub thread run..")
    i += 100
    return i
?
fs = []
for i in range(10):
    f = pool.submit(task,i) # submit就是一异步的方式提交任务
    # print(f)
    # print(f.result()) # result是阻塞的 会等到这任务执行完成才继续执行 ,会异步变成同步
    fs.append(f)
?
?
?
# 是一个阻塞函数,会等到池子中所有任务完成后继续执行
pool.shutdown(wait=True)
?
# pool.submit(task,1) # 注意 在shutdown之后 就不能提交新任务了
?
for i in fs:
    print(i.result())
?
print("over")

GIL锁

标签：python多线程   运行   ade   pid   rop   ssi   使用   概念   非阻塞   

原文地址：https://www.cnblogs.com/lanlan999/p/10217091.html