在python中单线程，多线程，多进程对CPU的利用率实测以及GIL原理分析

Posted 2020-11-04 __S k y L a r k

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了在python中单线程，多线程，多进程对CPU的利用率实测以及GIL原理分析相关的知识，希望对你有一定的参考价值。

首先关于在python中单线程，多线程，多进程对cpu的利用率实测如下：

单线程，多线程，多进程测试代码使用死循环。

1）单线程：

2）多线程：

3）多进程：

查看cpu使用效率：

开始观察分别执行时候cpu的使用效率：

1）单线程执行的时候：

2）多线程执行的时候：

3）多进程执行的时候：

总结：

1）单进程单线程时，对于双核CPU的利用率只能利用一个核，没有充分利用两个核。

2）单进程多线程时，对于双核CPU的来说，虽然两个核都用到的，不过很明显没有充分利用两个核，这里要说一个GIL（全局解释器锁）的概念：

GIL不同于线程之间的互斥锁，GIL并不是Python的特性，而是Cpython引入的一个概念。（Jpython，PYPY）

Python的代码由Python的解释器执行（CPython）。那么我们的代码什么时候被python解释器执行，由我们的GIL也就是全局解释器锁进行控制。

当我们有一个线程开始访问解释器的时候，GIL会将这把锁上锁，也就是说，其他线程无法再访问解释器，也就意味着，其他的线程无法再被执行。

GIL执行流程：

加锁GIL。
切换到一个线程去执行。
运行。
解锁GIL。

再次重复以上步骤。

对于下列代码GIL的执行流程：

import threading
import time
# 写两个函数，分别让两个线程去执行
# 这个两个函数，都要访问我的全局变量
number = 0

def test1(count):
    global number
    for i in range(count):
        number += 1
    print(number)

def test2(count):
    global number
    for i in range(count):
        number += 1
    print(number)


def main():
    th1 = threading.Thread(target=test1,args= (1000000,))
    th2 = threading.Thread(target=test2, args=(1000000,))
    th1.start()
    th2.start()

    time.sleep(5)
    print(number)

if __name__ == \'__main__\':
    main()