Python 長期以來以其易用性和多功能性而聞名，但在 Python 社群中引發大量討論的一個主題是全域解釋器鎖定 (GIL)。 GIL 既是 Python 並發模型的保障，也是瓶頸，尤其是對於 CPU 密集型任務，否則這些任務可以利用多個 CPU 核心。然而，隨著 Python 3.13 的發布，Python 開發人員有了一個突破性的新選項：停用 GIL 的能力。本部落格將探討 GIL 是什麼、為什麼它成為多執行緒效能的障礙，以及如何在 Python 3.13 中偵測和停用 GIL 以釋放真正的多執行緒效能。
全域解釋器鎖 (GIL) 是一個互斥鎖，用於保護對 Python 物件的訪問，防止多個本機執行緒同時執行 Python 字節碼。這保證了Python程式的執行緒安全，但代價是並發執行。 GIL 讓 Python 執行緒對於 I/O 密集型任務更加高效，但限制了它們對於 CPU 密集型任務的效能。
Python 的 GIL 只允許一個執行緒同時執行，即使在多執行緒程式中也是如此。雖然這對於程式等待輸入/輸出操作的 I/O 密集型任務來說很好，但它嚴重限制了 CPU 密集型任務（如數位運算、資料分析或影像處理）的效能。
使用 Python 3.13，開發人員可以選擇在 Python 建置過程中停用 GIL。但是，在預先建置的 Python 發行版中無法停用 GIL。相反，您必須使用 --disable-gil 選項從原始碼編譯 Python 3.13。
這個新選項為 CPU 密集型多執行緒任務中的真正並行性打開了大門，允許執行緒跨多個核心並行執行。
要使用 -X gil=0 標誌停用 GIL，您需要在啟用 --disable-gil 標誌的情況下從原始碼編譯 Python。具體方法如下
wget https://www.python.org/ftp/python/3.13.0/Python-3.13.0.tgz
tar -xf Python-3.13.0.tgz cd Python-3.13.0
./configure --disable-gil
make sudo make altinstall
./configure --disable-gil --prefix=$HOME/python3.13
make altinstall
在Python 3.13中，您可以使用sys._is_gil_enabled()函數檢查GIL是否啟用或停用。
import sys
def check_gil_status():
if sys.version_info >= (3, 13):
status = sys._is_gil_enabled()
if status:
print("GIL is currently enabled.")
else:
print("GIL is currently disabled.")
else:
print("Python version does not support GIL status detection.")
check_gil_status()
開發以下 Python 程式碼是為了評估 Python 3.13 中停用 GIL 時的效能增益。該腳本同時執行八個線程，每個線程的任務是計算大數的素因數。透過利用真正的並行性，程式碼突顯了無需 GIL 即可實現的增強效能。
#!/usr/bin/env python3
import sys
import sysconfig
import time
from threading import Thread
from multiprocessing import Process
# Decorator to measure execution time of functions
def calculate_execution_time(func):
def wrapper(*args, **kwargs):
start_time = time.perf_counter()
result = func(*args, **kwargs)
end_time = time.perf_counter()
execution_time = end_time - start_time
print(f"{func.__name__} took {execution_time:.4f} seconds.")
return result
return wrapper
# Compute-intensive task: Iterative Fibonacci calculation
def compute_fibonacci(n):
"""Compute Fibonacci number for a given n iteratively."""
a, b = 0, 1
for _ in range(n):
a, b = b, a + b
return a
# Single-threaded task execution
@calculate_execution_time
def run_single_threaded(nums):
for num in nums:
compute_fibonacci(num)
# Multi-threaded task execution
@calculate_execution_time
def run_multi_threaded(nums):
threads = [Thread(target=compute_fibonacci, args=(num,)) for num in nums]
for thread in threads:
thread.start()
for thread in threads:
thread.join()
# Multi-processing task execution
@calculate_execution_time
def run_multi_processing(nums):
processes = [Process(target=compute_fibonacci, args=(num,)) for num in nums]
for process in processes:
process.start()
for process in processes:
process.join()
# Main execution function
def main():
# Check Python version and GIL status for Python 3.13+
print(f"Python Version: {sys.version}")
py_version = float(".".join(sys.version.split()[0].split(".")[:2]))
status = sysconfig.get_config_var("Py_GIL_DISABLED")
if py_version >= 3.13:
status = sys._is_gil_enabled()
if status is None:
print("GIL cannot be disabled for Python <= 3.12")
elif status == 0:
print("GIL is currently disabled")
elif status == 1:
print("GIL is currently active")
# Run tasks on the same input size for comparison
nums = [300000] * 8
print("\nRunning Single-Threaded Task:")
run_single_threaded(nums)
print("\nRunning Multi-Threaded Task:")
run_multi_threaded(nums)
print("\nRunning Multi-Processing Task:")
run_multi_processing(nums)
if __name__ == "__main__":
main()
## Python 3.13 with GIL Disabled Python Version: 3.13.0 experimental free-threading build (main, Oct 14 2024, 17:09:28) [Clang 14.0.0 (clang-1400.0.29.202)] GIL is currently disabled Running Single-Threaded Task: run_single_threaded took 8.6587 seconds. Running Multi-Threaded Task: run_multi_threaded took 1.3885 seconds. Running Multi-Processing Task: run_multi_processing took 1.5953 seconds. ## Python 3.13 with GIL Enabled Python Version: 3.13.0 experimental free-threading build (main, Oct 14 2024, 17:09:28) [Clang 14.0.0 (clang-1400.0.29.202)] GIL is currently active Running Single-Threaded Task: run_single_threaded took 8.7108 seconds. Running Multi-Threaded Task: run_multi_threaded took 8.6645 seconds. Running Multi-Processing Task: run_multi_processing took 1.4530 seconds. ## Python 3.12 Python Version: 3.12.6 (main, Sep 7 2024, 19:30:10) [Clang 14.0.0 (clang-1400.0.29.202)] GIL cannot be disabled for Python <= 3.12 Running Single-Threaded Task: run_single_threaded took 8.7004 seconds. Running Multi-Threaded Task: run_multi_threaded took 8.6297 seconds. Running Multi-Processing Task: run_multi_processing took 1.4876 seconds.
多執行緒效能：停用 GIL 的真正好處在多執行緒場景中是顯而易見的：
停用 GIL (3.13) 時，執行時間為 1.5703 秒。
啟用 GIL 後（3.13），執行時間為 8.5901 秒。
結果：禁用 GIL 使多執行緒任務的效能提高了約 81.7%。
該圖表清楚地表明，在 Python 3.13 中禁用 GIL 可以顯著提升多執行緒 CPU 密集型任務的效能，從而使 Python 能夠高效地並行利用多個 CPU 核心。雖然單執行緒和多處理效能基本上不受影響，但多執行緒效能顯示出顯著改進，使 Python 3.13 成為依賴多執行緒的 CPU 密集型應用程式的遊戲規則改變者。
但是，3.13之前的Python版本不支援停用GIL，這也解釋了為什麼它們的多執行緒效能仍然與啟用GIL的Python 3.13相似。早期版本中的這項限制繼續限制 Python 充分利用多執行緒處理 CPU 密集型任務的能力。
在 Python 3.13 中停用全域解釋器鎖定 (GIL) 可以顯著提高多執行緒 CPU 密集型任務的效能。但是，在此之前需要考慮幾個重要因素：
執行緒安全：如果沒有 GIL，您必須使用鎖定或其他同步機製手動處理執行緒安全，以防止程式碼中的競爭條件。
潛在的效能下降：細粒度鎖定可能會引入爭用，這可能會降低先前受益於 GIL 的單執行緒或 I/O 密集型任務的效能。
與第三方函式庫的相容性：許多 C 擴充功能和函式庫假設存在 GIL 以確保執行緒安全。停用 GIL 可能需要更新這些庫，以確保它們在多執行緒環境中正常運作。
複雜的記憶體管理：停用 GIL 會增加記憶體管理的複雜性，需要執行緒安全的記憶體處理，這會增加錯誤和錯誤的風險。
I/O 密集型任務： 禁用GIL 為I/O 密集型任務帶來的好處有限，在這些任務中，像asyncio 這樣的非阻塞I/O 機制可能更有效。
除錯困難：如果沒有 GIL，由於競爭條件和死鎖的可能性增加，調試多執行緒應用程式可能會變得更具挑戰性。
更高的記憶體使用量： 在沒有 GIL 的情況下使用鎖定和管理執行緒狀態會增加記憶體消耗，特別是在多執行緒應用程式中。
嵌入式系統：停用 GIL 可能會使 Python 與嵌入式系統中的多執行緒環境的整合變得複雜，需要付出更多努力才能有效整合。
鎖定爭用：在某些情況下，停用 GIL 可能會導致執行緒之間出現鎖定爭用，這可能會降低預期的效能改進。
您可以在我的 GitHub 上找到此部落格中範例的完整原始程式碼：
Python GIL 效能分析
這是一個個人部落格。本文所表達的觀點和意見僅代表作者的觀點和意見，並不代表與作者相關的任何組織或個人的專業或個人觀點。
以上是Python 無需 GIL 即可實現高效能多執行緒的門戶的詳細內容。更多資訊請關注PHP中文網其他相關文章！
