Global Interpreter Lock (GIL) jest mechanizmem używanym w implementacji CPython (standardowej i najbardziej popularnej implementacji Pythona), który zapobiega równoczesnemu wykonywaniu wielu wątków natywnych w jednym procesie. Innymi słowy, GIL sprawia, że mimo posiadania wielu wątków na poziomie systemu operacyjnego, w danym momencie może być wykonywany tylko jeden wątek.
Dlaczego GIL istnieje?
Głównym powodem istnienia GIL jest uproszczenie zarządzania pamięcią w Pythonie. Bez GIL, dostęp do obiektów Pythona przez wielowątkowość wymagałby stosowania mechanizmów blokowania na poziomie każdego obiektu, co mogłoby znacząco wpływać na wydajność oraz zwiększyć złożoność implementacji.
Jak GIL wpływa na wydajność?
GIL może być przeszkodą w osiąganiu prawdziwej równoległości na wielordzeniowych procesorach, ponieważ wątki są ograniczone do wykonywania na jednym rdzeniu w danym momencie. To sprawia, że programy intensywnie korzystające z CPU mogą nie uzyskać oczekiwanej poprawy wydajności przez zastosowanie wielowątkowości.
Przykład kodu demonstrujący działanie GIL
import threading
import time
# Funkcja, która symuluje zadanie obliczeniowe
def cpu_bound_task():
# Symulacja zadania obciążającego procesor
count = 0
for _ in range(10000000):
count += 1
# Pomiar czasu wykonania zadania bez wielowątkowości
start_time = time.time()
cpu_bound_task()
cpu_bound_task()
end_time = time.time()
print("Czas wykonania bez wielowątkowości:", end_time - start_time, "sekund")
# Pomiar czasu wykonania zadania z wykorzystaniem wielowątkowości
start_time = time.time()
thread1 = threading.Thread(target=cpu_bound_task)
thread2 = threading.Thread(target=cpu_bound_task)
thread1.start()
thread2.start()
thread1.join()
thread2.join()
end_time = time.time()
print("Czas wykonania z wielowątkowością:", end_time - start_time, "sekund")
Wyjaśnienie kodu
W powyższym przykładzie kodu symulujemy zadanie obciążające procesor i mierzymy czas jego wykonania bez i z wykorzystaniem wielowątkowości. Pomimo zastosowania dwóch wątków, nie zauważymy znaczącej poprawy wydajności ze względu na ograniczenia nałożone przez GIL.
Jak obejść GIL?
Aby osiągnąć prawdziwą równoległość w Pythonie, programiści mogą używać procesów zamiast wątków, korzystając z modułu multiprocessing. Procesy działają w osobnych przestrzeniach pamięci, więc GIL nie wpływa na ich równoległe wykonanie.
Podsumowanie
Global Interpreter Lock jest mechanizmem, który zapewnia bezpieczeństwo wątków w Pythonie, ale jednocześnie ogranicza możliwości wykorzystania wielowątkowości do poprawy wydajności programów. Aby osiągnąć lepszą skalowalność i wydajność, programiści mogą zastosować wieloprocesowość, która umożliwia uniknięcie ograniczeń narzuconych przez GIL.
Jeżeli chcesz przyśpieszyć swoją naukę tworzenia stron chciałbym polecić mój kurs video Python w którym nauczysz się tego języka od podstaw do zaawansowanych jego aspektów.