进阶篇 · Advanced lv.3 进阶 kp-029

GIL 与并发模型总览

前置知识：kp-013、kp-022

1. 一句话定义

GIL（全局解释器锁）保证 CPython 中同一时刻只有一个线程在执行 Python 字节码——因此多线程加速不了 CPU 密集任务，但 IO 等待时会释放锁；四条并发路线（线程/进程/asyncio/无 GIL）各有适用面。

2. 为什么重要

"为什么我的多线程程序没有变快"是 Python 并发的第一问。GIL 决定了选型：IO 密集用线程或 asyncio，CPU 密集用多进程。2024 起 PEP 703（free-threading）开始改变游戏规则，但主战场认知仍是本篇。

3. 前置知识

kp-001（字节码与解释器）、kp-013（阻塞 vs 惰性）。

4. 核心概念

text

                ┌─ 线程 threading ── IO 密集；GIL 下 CPU 密集无收益
任务特性 ────────┼─ 进程 multiprocessing ── CPU 密集；开销大（进程启动+序列化）
                ├─ asyncio ── 海量 IO 并发（网络）；单线程协作式
                └─ free-threading（3.13 实验）── 去掉 GIL 的多线程

GIL 存在的原因：让 CPython 的内存管理（引用计数）线程安全且简单高效。
释放时机：线程阻塞在 IO/time.sleep/C 扩展（如 NumPy 大矩阵运算）时主动让出。
并发 vs 并行：并发 = 交替推进（asyncio、单核多线程）；并行 = 同时推进（多进程、多核）。

5. 原理与机制

python

# 验证：CPU 密集下线程 vs 进程
import time, threading, multiprocessing

def cpu_task(n):
    while n > 0: n -= 1

t0 = time.perf_counter()
ts = [threading.Thread(target=cpu_task, args=(10**7,)) for _ in range(4)]
[t.start() for t in ts]; [t.join() for t in ts]
print("threads:", time.perf_counter() - t0)      # ≈ 单线程的 4 倍耗时（GIL）

t0 = time.perf_counter()
ps = [multiprocessing.Process(target=cpu_task, args=(10**7,)) for _ in range(4)]
[p.start() for p in ps]; [p.join() for p in ps]
print("procs:", time.perf_counter() - t0)        # ≈ 单线程（真并行）

线程切换每 5ms（sys.getswitchinterval()）强制轮转，即便纯计算也让四线程比单线程更慢（加上切换开销）。

6. 关键事实（模型/图示）

text

GIL 不是"锁住整个程序"，是"锁住字节码执行"：
  IO 等待（socket/read/sleep）→ 放锁 → 其他线程跑 → CPython 多线程仍能并发 IO
  C 扩展（NumPy/OpenCV）在 C 层运算时常自放 GIL → 真并行
free-threading（PEP 703）：引用计数改为 biased reference counting，
  3.13 起作为独立构建（--disable-gil）实验发行，3.14 持续演进

7. 直观类比

GIL 像教室里唯一的麦克风：一次只有一个人（线程）能发言（执行字节码），其他人干等；但有人去走廊打电话（IO 阻塞）时会把麦克风放下。想让全员同时干活只能多开教室（多进程）——或者等学校换新音响系统（free-threading）。

8. 实例与案例

选型速查：

text

爬 1000 个 URL          → asyncio（或线程池 20-100 并发）
压缩 100 个大文件        → 多进程（CPU 密集）
调用 GPU 训练            → 单线程 + NumPy/PyTorch（C 层并行）
每秒处理万级 socket      → asyncio

9. 常见误区

"GIL 使 Python 不能并发" —— 不能的是字节码级并行；IO 并发、进程并行、C 层并行都成立。
线程池跑 CPU 密集求加速 —— 无收益甚至更慢（切换开销）。
以为 GIL 免除了锁 —— 数据竞争依然存在（count += 1 非原子，check-then-act 模式会丢更新）；GIL 只保单条字节码，不保业务原子性。
以为 3.13 起 Python 就无 GIL —— free-threading 是独立实验构建，主流仍是带 GIL 的 CPython。

10. 自测题

为什么多线程下载 100 个文件能显著加速，多线程算 100 个矩阵乘却不能？
GIL 释放的三个典型时机？
x = 0; 线程里执行 x += 1 十万次 × 10 线程，结果一定等于 100 万吗？

参考答案

下载是 IO 等待（线程放锁等网络）；矩阵乘的 Python 层只是"发起调用"，若算子未被 C 层并行化，每步都在抢 GIL 执行字节码。
IO 阻塞、sleep/等待锁、进入释放 GIL 的 C 扩展代码。
不一定；x += 1 编译为 LOAD/ADD/STORE 多条字节码，线程切换可插在中间造成丢失更新——需要锁或原子操作。

11. 与其他知识点的关系

kp-030/kp-032 线程与进程：两条路线的实操篇。
kp-031 asyncio：第三条路线。
kp-039 新版本特性：free-threading 与 JIT 的最新状态。

12. 延伸阅读

PEP 703（Making the Global Interpreter Lock Optional）
Python Wiki: GlobalInterpreterLock