Free Threaded-Modus in PythonGIL deaktiviert)

Python 3.13 wurde erst kürzlich veröffentlicht, mit einer erstaunlichen neuen Funktion namens „Free Threaded Mode“. Dies ist eine große Verbesserung für die Leistung Ihres Codes, wenn Sie Threads verwenden. Dieser Artikel zeigt, wie Sie diese Funktion aktivieren (standardmäßig nicht aktiviert) und zeigt, wie sich der „freie Thread-Modus“ auf die Leistung Ihres Codes auswirkt.

Installieren Sie Free Threaded Python

Windows- und MacOS-Benutzer

Für Windows- und MacOS-Benutzer laden Sie einfach das neueste Installationsprogramm von der Python-Website herunter. Wenn Sie Python installieren, gibt es ein Kontrollkästchen zum Aktivieren des „Freien Thread-Modus“, wenn Sie die Option „Installation anpassen“ auswählen.

Ubuntu-Benutzer

Für Ubuntu-Benutzer können Sie diese Funktion aktivieren, indem Sie den folgenden Befehl in Ihrem Terminal ausführen:

sudo add-apt-repository ppa:deadsnakes
sudo apt-get update
sudo apt-get install python3.13-nogil

Stellen Sie sicher, dass der Free Threaded-Modus aktiviert ist

Nach der Installation des Pakets können Sie Ihren Code mit python3.13 (Original) und python3.13-nogil oder python3.13t (freies Thread-Python) ausführen.

Weitere Informationen zur Installation von Python 3.13 Experimental auf Linux-Distributionen finden Sie in diesem Artikel.

Um zu überprüfen, ob Ihr Python den „Freien Thread-Modus“ aktiviert hat, können Sie den folgenden Befehl verwenden:

python3.13t -VV
Python 3.13.0 experimental free-threading build (main, Oct  8 2024, 08:51:28) [GCC 11.4.0]

Kostenlose Leistung im Thread-Modus

Versuchsaufbau

Sehen wir uns die Auswirkung des Free-Threaded-Modus auf einen einfachen Code unten an:

• Ich habe einen Funktionsarbeiter, der einige Berechnungen durchführt und die Summe der Zahlen von 0 bis 10 Millionen zurückgibt.
• Ich habe den „Test 1“, um die Worker-Funktion fünfmal nacheinander auszuführen.
• Ich habe den „Test 2“, um die Worker-Funktion parallel mit mehreren Threads auszuführen, wobei die Anzahl der Threads 5 beträgt.
• Ich messe die Ausführungszeit beider Tests.

import sys
import threading
import time

print("Python version : ", sys.version)

def worker():
    sum = 0
    for i in range(10000000):
        sum += i


n_worker = 5
# Single thread

start = time.perf_counter()
for i in range(n_worker):
    worker()
print("Single Thread: ", time.perf_counter() - start, "seconds")


# Multi thread
start = time.perf_counter()
threads = []
for i in range(n_worker):
    t = threading.Thread(target=worker)

    threads.append(t)
    t.start()

for t in threads:
    t.join()
print("Multi Thread: ", time.perf_counter() - start, "seconds")

Später werde ich diesen Code mit normalem Python (Binärdatei python3.13) und Python mit freiem Thread (Binärdatei pypy3.13t) ausführen.

Ergebnisse

Führen Sie zunächst den Test mit Python3.13 aus:

python3.13 gil_test.py 
Python version :  3.13.0 (main, Oct  8 2024, 08:51:28) [GCC 11.4.0]
Single Thread:  1.4370562601834536 seconds
Multi Thread:  1.3681392602156848 seconds

Führen Sie dann den Test mit pypy3.13t aus:

python3.13t gil_test.py 
Python version :  3.13.0 experimental free-threading build (main, Oct  8 2024, 08:51:28) [GCC 11.4.0]
Single Thread:  1.862126287072897 seconds
Multi Thread:  0.3931183419190347 seconds

Ich versuche es auch mit Python3.11:

python3.11 gil_test.py 
Python version :  3.11.3 (main, Apr 25 2023, 16:40:23) [GCC 11.3.0]
Single Thread:  1.753435204969719 seconds
Multi Thread:  1.457715731114149 seconds

Ergebnisanalyse

Python verfügt standardmäßig über einen GIL-Sperrmechanismus (Global Interpreter Lock), wodurch Multithreading tatsächlich nicht parallel erfolgt. Sie können sehen, dass die Zeitverarbeitung eines einzelnen Threads der eines Multithreads ähnelt.

Mit Python3.11t (Free-Threaded-Modus) ist die Multithread-Leistung viel schneller als die Single-Threaded-Leistung. Also Multithreading jetzt tatsächlich parallel.

Aber sehen Sie, dass der Single-Thread-Test in Python3.13t etwas langsamer ist als in Pypy3.13?

Ich verstehe nicht wirklich warum, also lassen Sie es mich wissen, wenn Sie eine Erklärung haben.

Abschluss

Ich denke, es ist gut, Multithreading in Python für die Parallelverarbeitung zu verwenden. Ohne den GIL-Sperrmechanismus muss der Entwickler jedoch auf die „Thread-Sicherheit“ achten, d. h. Daten zwischen Threads teilen.

Außerdem müssen wir auf die Aktualisierung der Bibliotheken und Pakete warten, um den kostenlosen Thread-Modus vollständig zu unterstützen. Dies ist einer der Gründe, warum dieser „Free-Threaded-Modus“ derzeit nicht standardmäßig aktiviert ist. Aber ich denke, dass es in Zukunft eine gute Funktion sein wird.

Das obige ist der detaillierte Inhalt vonFree Threaded-Modus in PythonGIL deaktiviert). Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!