深入理解GIL：如何寫出高性能及線程安全的Python代碼
6歲時(shí)，我有一個(gè)音樂盒。我上緊發(fā)條，音樂盒頂上的芭蕾舞女演員就會(huì)旋轉(zhuǎn)起來，同時(shí)，內(nèi)部裝置發(fā)出“一閃一閃亮晶晶，滿天都是小星星”的叮鈴聲。那玩意兒肯定俗氣透了，但我喜歡那個(gè)音樂盒，我想知道它的工作原理是什么。后來我拆開了，才看到它里面一個(gè)簡單的裝置，機(jī)身內(nèi)部鑲嵌著一個(gè)拇指大小的金屬圓筒，當(dāng)它轉(zhuǎn)動(dòng)時(shí)會(huì)撥弄鋼制的梳齒，從而發(fā)出這些音符。
在一個(gè)程序員具備的所有特性中，想探究事物運(yùn)轉(zhuǎn)規(guī)律的這種好奇心必不可少。當(dāng)我打開音樂盒，觀察內(nèi)部裝置，可以看出即使我沒有成長為一個(gè)卓越的程序員，至少也是有好奇心的一個(gè)。
奇怪的是，我寫 Python 程序多年，一直對全局解釋器鎖(GIL)持有錯(cuò)誤的觀念，因?yàn)槲覐奈磳λ倪\(yùn)作機(jī)理產(chǎn)生足夠好奇。我遇到其他對此同樣猶豫和無知的人。是時(shí)候讓我們來打開這個(gè)盒子一窺究竟了。讓我們解讀 CPython 解釋器源碼，找出 GIL 究竟是什么，為什么它存在于 Python 中，它又是怎么影響多線程程序的。我將通過舉例幫助你深入理解 GIL 。你將會(huì)學(xué)到如何寫出快速運(yùn)行和線程安全的 Python 代碼，以及如何在線程和進(jìn)程中做選擇。
(我在本文中只描述 CPython，而不是 Jython、PyPy 或 IronPython。因?yàn)槟壳敖^大多數(shù)程序員還是使用 CPython 實(shí)現(xiàn) Python 。)
瞧，全局解釋器鎖(GIL)
這里：
- static PyThread_type_lock interpreter_lock = 0; /* This is the GIL */
這一行代碼摘自 ceval.c —— CPython 2.7 解釋器的源代碼，Guido van Rossum 的注釋”This is the GIL“ 添加于2003 年，但這個(gè)鎖本身可以追溯到1997年他的***個(gè)多線程 Python 解釋器。在 Unix系統(tǒng)中，PyThread_type_lock 是標(biāo)準(zhǔn) C mutex_t 鎖的別名。當(dāng) Python 解釋器啟動(dòng)時(shí)它初始化：
- void
- PyEval_InitThreads(void)
- {
- interpreter_lock = PyThread_allocate_lock();
- PyThread_acquire_lock(interpreter_lock);
- }
解釋器中的所有 C 代碼在執(zhí)行 Python 時(shí)必須保持這個(gè)鎖。Guido 最初加這個(gè)鎖是因?yàn)樗褂闷饋砗唵?。而且每次?CPython 中去除 GIL 的嘗試會(huì)耗費(fèi)單線程程序太多性能，盡管去除 GIL 會(huì)帶來多線程程序性能的提升，但仍是不值得的。(前者是Guido最為關(guān)切的, 也是不去除 GIL 最重要的原因, 一個(gè)簡單的嘗試是在1999年, 最終的結(jié)果是導(dǎo)致單線程的程序速度下降了幾乎2倍.)
GIL 對程序中線程的影響足夠簡單，你可以在手背上寫下這個(gè)原則：“一個(gè)線程運(yùn)行 Python ，而其他 N 個(gè)睡眠或者等待 I/O.”(即保證同一時(shí)刻只有一個(gè)線程對共享資源進(jìn)行存取) Python 線程也可以等待threading.Lock或者線程模塊中的其他同步對象;線程處于這種狀態(tài)也稱之為”睡眠“。
線程何時(shí)切換?一個(gè)線程無論何時(shí)開始睡眠或等待網(wǎng)絡(luò) I/O，其他線程總有機(jī)會(huì)獲取 GIL 執(zhí)行 Python 代碼。這是協(xié)同式多任務(wù)處理。CPython 也還有搶占式多任務(wù)處理。如果一個(gè)線程不間斷地在 Python 2 中運(yùn)行 1000 字節(jié)碼指令，或者不間斷地在 Python 3 運(yùn)行15 毫秒，那么它便會(huì)放棄 GIL，而其他線程可以運(yùn)行。把這想象成舊日有多個(gè)線程但只有一個(gè) CPU 時(shí)的時(shí)間片。我將具體討論這兩種多任務(wù)處理。
把 Python 看作是舊時(shí)的大型主機(jī)，多個(gè)任務(wù)共用一個(gè)CPU。
協(xié)同式多任務(wù)處理
當(dāng)一項(xiàng)任務(wù)比如網(wǎng)絡(luò) I/O啟動(dòng)，而在長的或不確定的時(shí)間，沒有運(yùn)行任何 Python 代碼的需要，一個(gè)線程便會(huì)讓出GIL，從而其他線程可以獲取 GIL 而運(yùn)行 Python。這種禮貌行為稱為協(xié)同式多任務(wù)處理，它允許并發(fā);多個(gè)線程同時(shí)等待不同事件。
也就是說兩個(gè)線程各自分別連接一個(gè)套接字：
- def do_connect():
- s = socket.socket()
- s.connect(('python.org', 80)) # drop the GIL
- for i in range(2):
- t = threading.Thread(target=do_connect)
- t.start()
兩個(gè)線程在同一時(shí)刻只能有一個(gè)執(zhí)行 Python ，但一旦線程開始連接，它就會(huì)放棄 GIL ，這樣其他線程就可以運(yùn)行。這意味著兩個(gè)線程可以并發(fā)等待套接字連接，這是一件好事。在同樣的時(shí)間內(nèi)它們可以做更多的工作。
讓我們打開盒子，看看一個(gè)線程在連接建立時(shí)實(shí)際是如何放棄 GIL 的，在 socketmodule.c 中:
- /* s.connect((host, port)) method */
- static PyObject *
- sock_connect(PySocketSockObject *s, PyObject *addro)
- {
- sock_addr_t addrbuf;
- int addrlen;
- int res;
- /* convert (host, port) tuple to C address */
- getsockaddrarg(s, addro, SAS2SA(&addrbuf), &addrlen);
- Py_BEGIN_ALLOW_THREADS
- res = connect(s->sock_fd, addr, addrlen);
- Py_END_ALLOW_THREADS
- /* error handling and so on .... */
- }
線程正是在Py_BEGIN_ALLOW_THREADS 宏處放棄 GIL;它被簡單定義為：
- PyThread_release_lock(interpreter_lock);
當(dāng)然 Py_END_ALLOW_THREADS 重新獲取鎖。一個(gè)線程可能會(huì)在這個(gè)位置堵塞，等待另一個(gè)線程釋放鎖;一旦這種情況發(fā)生，等待的線程會(huì)搶奪回鎖，并恢復(fù)執(zhí)行你的Python代碼。簡而言之：當(dāng)N個(gè)線程在網(wǎng)絡(luò) I/O 堵塞，或等待重新獲取GIL，而一個(gè)線程運(yùn)行Python。
下面來看一個(gè)使用協(xié)同式多任務(wù)處理快速抓取許多 URL 的完整例子。但在此之前，先對比下協(xié)同式多任務(wù)處理和其他形式的多任務(wù)處理。
搶占式多任務(wù)處理
Python線程可以主動(dòng)釋放 GIL，也可以先發(fā)制人抓取 GIL 。
讓我們回顧下 Python 是如何運(yùn)行的。你的程序分兩個(gè)階段運(yùn)行。首先，Python文本被編譯成一個(gè)名為字節(jié)碼的簡單二進(jìn)制格式。第二，Python解釋器的主回路，一個(gè)名叫 pyeval_evalframeex() 的函數(shù)，流暢地讀取字節(jié)碼，逐個(gè)執(zhí)行其中的指令。
當(dāng)解釋器通過字節(jié)碼時(shí)，它會(huì)定期放棄GIL，而不需要經(jīng)過正在執(zhí)行代碼的線程允許，這樣其他線程便能運(yùn)行：
- for (;;) {
- if (--ticker < 0) {
- ticker = check_interval;
- /* Give another thread a chance */
- PyThread_release_lock(interpreter_lock);
- /* Other threads may run now */
- PyThread_acquire_lock(interpreter_lock, 1);
- }
- bytecode = *next_instr++;
- switch (bytecode) {
- /* execute the next instruction ... */
- }
- }
默認(rèn)情況下，檢測間隔是1000 字節(jié)碼。所有線程都運(yùn)行相同的代碼，并以相同的方式定期從他們的鎖中抽出。在 Python 3 GIL 的實(shí)施更加復(fù)雜，檢測間隔不是一個(gè)固定數(shù)目的字節(jié)碼，而是15 毫秒。然而，對于你的代碼，這些差異并不顯著。
Python中的線程安全
將多個(gè)線狀物編織在一起，需要技能。
如果一個(gè)線程可以隨時(shí)失去 GIL，你必須使讓代碼線程安全。 然而 Python 程序員對線程安全的看法大不同于 C 或者 Java 程序員，因?yàn)樵S多 Python 操作是原子的。
在列表中調(diào)用 sort()，就是原子操作的例子。線程不能在排序期間被打斷，其他線程從來看不到列表排序的部分，也不會(huì)在列表排序之前看到過期的數(shù)據(jù)。原子操作簡化了我們的生活，但也有意外。例如，+ = 似乎比 sort() 函數(shù)簡單，但+ =不是原子操作。你怎么知道哪些操作是原子的，哪些不是?
看看這個(gè)代碼：
- n = 0
- def foo():
- global n
- n += 1
我們可以看到這個(gè)函數(shù)用 Python 的標(biāo)準(zhǔn) dis 模塊編譯的字節(jié)碼：
- >>> import dis
- >>> dis.dis(foo)
- LOAD_GLOBAL 0 (n)
- LOAD_CONST 1 (1)
- INPLACE_ADD
- STORE_GLOBAL 0 (n)
代碼的一行中， n += 1，被編譯成 4 個(gè)字節(jié)碼，進(jìn)行 4 個(gè)基本操作：
- 將 n 值加載到堆棧上
- 將常數(shù) 1 加載到堆棧上
- 將堆棧頂部的兩個(gè)值相加
- 將總和存儲回 n
記住，一個(gè)線程每運(yùn)行 1000 字節(jié)碼，就會(huì)被解釋器打斷奪走 GIL 。如果運(yùn)氣不好，這(打斷)可能發(fā)生在線程加載 n 值到堆棧期間，以及把它存儲回 n 期間。很容易可以看到這個(gè)過程會(huì)如何導(dǎo)致更新丟失：
- threads = []
- for i in range(100):
- t = threading.Thread(target=foo)
- threads.append(t)
- for t in threads:
- t.start()
- for t in threads:
- t.join()
- print(n)
通常這個(gè)代碼輸出 100，因?yàn)?100 個(gè)線程每個(gè)都遞增 n 。但有時(shí)你會(huì)看到 99 或 98 ，如果一個(gè)線程的更新被另一個(gè)覆蓋。
所以，盡管有 GIL，你仍然需要加鎖來保護(hù)共享的可變狀態(tài)：
- n = 0
- lock = threading.Lock()
- def foo():
- global n
- with lock:
- n += 1
如果我們使用一個(gè)原子操作比如 sort() 函數(shù)會(huì)如何呢?：
- lst = [4, 1, 3, 2]
- def foo():
- lst.sort()
這個(gè)函數(shù)的字節(jié)碼顯示 sort() 函數(shù)不能被中斷，因?yàn)樗窃拥模?/p>
- >>> dis.dis(foo)
- LOAD_GLOBAL 0 (lst)
- LOAD_ATTR 1 (sort)
- CALL_FUNCTION 0
一行被編譯成 3 個(gè)字節(jié)碼：
- 將 lst 值加載到堆棧上
- 將其排序方法加載到堆棧上
- 調(diào)用排序方法
即使這一行 lst.sort() 分幾個(gè)步驟，調(diào)用 sort 自身是單個(gè)字節(jié)碼，因此線程沒有機(jī)會(huì)在調(diào)用期間抓取 GIL 。我們可以總結(jié)為在 sort() 不需要加鎖。或者，為了避免擔(dān)心哪個(gè)操作是原子的，遵循一個(gè)簡單的原則：始終圍繞共享可變狀態(tài)的讀取和寫入加鎖。畢竟，在 Python 中獲取一個(gè) threading.Lock 是廉價(jià)的。
盡管 GIL 不能免除我們加鎖的需要，但它確實(shí)意味著沒有加細(xì)粒度的鎖的需要(所謂細(xì)粒度是指程序員需要自行加、解鎖來保證線程安全，典型代表是 Java , 而 CPthon 中是粗粒度的鎖，即語言層面本身維護(hù)著一個(gè)全局的鎖機(jī)制,用來保證線程安全)。在線程自由的語言比如 Java，程序員努力在盡可能短的時(shí)間內(nèi)加鎖存取共享數(shù)據(jù)，減輕線程爭奪，實(shí)現(xiàn)***并行。然而因?yàn)樵?Python 中線程無法并行運(yùn)行，細(xì)粒度鎖沒有任何優(yōu)勢。只要沒有線程保持這個(gè)鎖，比如在睡眠，等待I/O, 或者一些其他失去 GIL 操作，你應(yīng)該使用盡可能粗粒度的，簡單的鎖。其他線程無論如何無法并行運(yùn)行。
并發(fā)可以完成更快
我敢打賭你真正為的是通過多線程來優(yōu)化你的程序。通過同時(shí)等待許多網(wǎng)絡(luò)操作，你的任務(wù)將更快完成，那么多線程會(huì)起到幫助，即使在同一時(shí)間只有一個(gè)線程可以執(zhí)行 Python 。這就是并發(fā)，線程在這種情況下工作良好。
線程中代碼運(yùn)行更快
- import threading
- import requests
- urls = [...]
- def worker():
- while True:
- try:
- url = urls.pop()
- except IndexError:
- break # Done.
- requests.get(url)
- for _ in range(10):
- t = threading.Thread(target=worker)
- t.start()
正如我們所看到的，在 HTTP上面獲取一個(gè)URL中，這些線程在等待每個(gè)套接字操作時(shí)放棄 GIL，所以他們比一個(gè)線程更快完成工作。
Parallelism 并行
如果想只通過同時(shí)運(yùn)行 Python 代碼，而使任務(wù)完成更快怎么辦?這種方式稱為并行，這種情況 GIL 是禁止的。你必須使用多個(gè)進(jìn)程，這種情況比線程更復(fù)雜，需要更多的內(nèi)存，但它可以更好利用多個(gè) CPU。
這個(gè)例子 fork 出 10 個(gè)進(jìn)程，比只有 1 個(gè)進(jìn)程要完成更快，因?yàn)檫M(jìn)程在多核中并行運(yùn)行。但是 10 個(gè)線程與 1 個(gè)線程相比，并不會(huì)完成更快，因?yàn)樵谝粋€(gè)時(shí)間點(diǎn)只有 1 個(gè)線程可以執(zhí)行 Python：
- import os
- import sys
- nums =[1 for _ in range(1000000)]
- chunk_size = len(nums) // 10
- readers = []
- while nums:
- chunk, nums = nums[:chunk_size], nums[chunk_size:]
- reader, writer = os.pipe()
- if os.fork():
- readers.append(reader) # Parent.
- else:
- subtotal = 0
- for i in chunk: # Intentionally slow code.
- subtotal += i
- print('subtotal %d' % subtotal)
- os.write(writer, str(subtotal).encode())
- sys.exit(0)
- # Parent.
- total = 0
- for reader in readers:
- subtotal = int(os.read(reader, 1000).decode())
- total += subtotal
- print("Total: %d" % total)
因?yàn)槊總€(gè) fork 的進(jìn)程有一個(gè)單獨(dú)的 GIL，這個(gè)程序可以把工作分派出去，并一次運(yùn)行多個(gè)計(jì)算。
(Jython 和 IronPython 提供單進(jìn)程的并行，但它們遠(yuǎn)沒有充分實(shí)現(xiàn) CPython 的兼容性。有軟件事務(wù)內(nèi)存的 PyPy 有朝一日可以運(yùn)行更快。如果你對此好奇，試試這些解釋器。)
結(jié)語
既然你已經(jīng)打開了音樂盒，看到了它簡單的裝置，你明白所有你需要知道的如何寫出快速運(yùn)行，線程安全的 Python 代碼。使用線程進(jìn)行并發(fā) I/O 操作，在進(jìn)程中進(jìn)行并行計(jì)算。這個(gè)原則足夠簡單，你甚至不需要把它寫在你的手上。
