GIL(全局解释器锁)

Posted 2020-10-16 云烟成雨。

引入

　　现在绝大部分的Python都是CPython解释器(但不是必须使用CPython解释器)，而CPython的一个特性就是有GIL，作用保证解释器级别的代码在运行时不被其他的线程进行修改，即加锁处理。

　　造成的影响是:在同一个时刻内一个进程内的多个线程只能有一个线程被运行。但是要注意：GIL不是Python的特性，而是Python所使用的解释器的特性。

详细介绍：

　　GIL的本质就是一把互斥锁，既然是互斥锁，它们的本质都是将并发运行变成串行运行，使在同一时刻内，共享数据只能被一个进行内的一个任务（线程）修改，从而保证数据的安全。

　　可以肯定的是，保证不同级别的数据的安全，就应该加不同的锁。

　　在CPython中有两种级别的数据：

　　　　解释器级别数据：解释器代码和线程传入的代码所构成的数据集。

　　　　用户自定义数据：用户在程序中自定义的数据集。

　　所有线程的任务，都需要将任务的代码当做参数传给解释器的代码去执行，即所有的线程要想运行自己的任务，首先需要解决的是能够访问到解释器的代码，而解释器代码是所有线程的共享数据，也就是说任何的线程都可以访问到解释器代码，但是能访问到不代表可以获取解释器代码的执行权限。因此，线程在运行时，首先要做的就是获取解释器的执行权限。总有一个线程先得到解释器的执行权限，那么其它的线程就要处于等待状态。线程在获取到执行权限后，首先为解释器级别数据（解释器代码+线程代码）进行加锁，该锁便是GIL锁，防止其他的线程在该线程没有解锁之前对解释器的使用，只有在该线程释放掉解释器的执行权限之后，其他的线程才能进行争夺。

　　GIL的作用对象是所有的线程(同一进程的线程+非同一进程的线程)，这把锁保证的只是解释器级别数据的安全性，但是不能保证用户数据级别的数据的安全性，解决这一问题，需要的就是另一把锁：互斥锁。互斥锁针对的是同一进程之间的共享数据，再某一线程对其修改时，不能被其它的线程修改，保证了数据的安全性。

GIL的出现对程序采用多线程或多进程的影响：

　　结果：

　　　　计算型---------------------------->多核--------------------------------->采用多进程

　　　　IO型------------------------------->多核--------------------------------->采用多线程