Τι είναι το GIL και πώς επηρεάζει τη παραλληλία;

Question

Accepted Answer

Το **GIL** (Global Interpreter Lock) είναι ένα mutex στο CPython (η τυπική υλοποίηση της Python) που επιτρέπει σε **ένα μόνο νήμα να εκτελέσει Python bytecode κάθε φορά**. Αυτό σημαίνει ότι τα νήματα της Python δεν μπορούν να εκτελέσουν Python κώδικα σε αληθινή παραλληλία σε πολλαπλούς πυρήνες CPU — μια σημαντική θεώρηση για την παραλληλία.

## Τι σημαίνει το GIL στην πράξη

```text
Even with multiple threads on a multi-core CPU:
  Only ONE thread runs Python bytecode at any instant.
→ Threading does NOT give CPU-bound parallelism in CPython.
```

## Η βασική διάκριση: CPU-bound vs I/O-bound

```python
import threading

# ❌ CPU-bound work with threads — NO speedup (GIL serializes them)
def cpu_task():
    sum(i * i for i in range(10_000_000))   # heavy computation
# 4 threads doing this run essentially as slow as 1 (GIL contention)

# ✅ I/O-bound work with threads — REAL benefit
def io_task():
    response = requests.get(url)   # waits on network — RELEASES the GIL while waiting
# while one thread waits on I/O, the GIL is freed for others → concurrency works
```

Η κρίσιμη λεπτομέρεια: το GIL **απελευθερώνεται κατά την I/O** (δίκτυο, αρχείο, sleep) και μέσα σε πολλές C extensions. Άρα τα νήματα *βοηθούν* για **I/O-bound** εργασίες (πολλαπλές αναμονές επικαλύπτονται), αλλά *όχι* για **CPU-bound** εργασίες (το GIL σειριοποιεί τον υπολογισμό).

## Παράκαμψη του GIL για CPU-bound εργασίες

```python
from multiprocessing import Pool

# ✅ multiprocessing uses separate PROCESSES, each with its own GIL → true parallelism
with Pool(4) as p:
    results = p.map(cpu_task, data)   # runs on 4 cores genuinely in parallel
```

Για CPU-bound παραλληλία, χρησιμοποιήστε **`multiprocessing`** (ξεχωριστές διεργασίες παρακάμπτουν το ενιαίο GIL), ή βιβλιοθήκες (NumPy, κ.λπ.) των οποίων το βαρύ έργο εκτελείται σε C με το GIL απελευθερωμένο.

## Ο οδηγός απόφασης

```text
I/O-bound (network, files, DB)  → threading or asyncio (GIL released on I/O)
CPU-bound (computation)          → multiprocessing (or C-extension libraries)
```

## Το μέλλον

```text
Python 3.13+ introduces an EXPERIMENTAL free-threaded (no-GIL) build,
and work continues to reduce the GIL's impact — but it remains the default reality.
```

## Γιατί έχει σημασία

Το GIL είναι ένα από τα πιο σημαντικά — και πιο παρανοούμενα — χαρακτηριστικά της Python.

Εξηγεί *γιατί* η χρήση νημάτων για CPU-heavy εργασίες δεν δίνει καμία επιτάχυνση (ένα συνηθισμένο λάθος), και *γιατί* το σωστό εργαλείο παραλληλίας εξαρτάται από την εργασία: **threading/asyncio για I/O-bound** (όπου το GIL απελευθερώνεται κατά τις αναμονές) και **multiprocessing για CPU-bound** (ξεχωριστές διεργασίες για αληθινή παραλληλία).

Η παρανόηση του GIL οδηγεί σε αναποτελεσματικό κώδικα παραλληλίας που δεν κλιμακώνεται.

Η γνώση του — και η απόφασή του I/O-vs-CPU που οδηγεί — είναι απαραίτητη για τη σύνταξη concurrent Python που πραγματικά αποδίδει.