GIL کیا ہے اور یہ بیک وقتی پروسیسنگ کو کیسے متاثر کرتا ہے؟

Question

Accepted Answer

**GIL** (Global Interpreter Lock) CPython (Python کی معیاری تشریح) میں ایک mutex ہے جو **ایک وقت میں صرف ایک thread کو Python bytecode کو چلانے کی اجازت دیتا ہے**۔ اس کا مطلب ہے کہ Python threads متعدد CPU cores پر Python code کو حقیقی طور پر متوازی نہیں چلا سکتے — یہ بیک وقتی پروسیسنگ کے لیے ایک اہم غور ہے۔

## GIL کا عملی مطلب

```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.
```

## اہم فرق: CPU-bound بمقابلہ 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
```

ناگزیر نکتہ: GIL **I/O کے دوران release ہوتا ہے** (نیٹ ورک، فائل، sleep) اور بہت سی C extensions کے اندر۔ تو threads **I/O-bound** کام کے لیے *مدد دیتے ہیں* (متعدد انتظار آپس میں آتے ہیں)، لیکن **CPU-bound** کام کے لیے *نہیں* (GIL حساب کو ترتیب دیتا ہے)۔

## CPU-bound کام کے لیے GIL کے گرد جانا

```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
```

CPU-bound parallelism کے لیے، **`multiprocessing`** (الگ processes ایک GIL کو نظر انداز کرتے ہیں) یا libraries (NumPy، وغیرہ) استعمال کریں جن کا بھاری کام C میں GIL release شدہ حالت میں چلتا ہے۔

## فیصلے کی رہنمائی

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

## مستقبل

```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.
```

## یہ کیوں اہم ہے

GIL Python کی سب سے اہم — اور سب سے غلط سمجھے جانے والی — خصوصیات میں سے ایک ہے۔

یہ بتاتا ہے کہ CPU-بھاری کام کے لیے threads استعمال کرنے سے *رفتار میں اضافہ کیوں نہیں ہوتا* (ایک عام غلطی)، اور صحیح بیک وقتی پروسیسنگ کا ذریعہ کام کے بوجھ پر منحصر ہے *کیوں*: **I/O-bound کے لیے threading/asyncio** (جہاں GIL انتظار کے دوران release ہوتا ہے) اور **CPU-bound کے لیے multiprocessing** (حقیقی parallelism کے لیے الگ processes)۔

GIL کے بارے میں غلط فہمی غیر موثر بیک وقتی پروسیسنگ کوڈ کی طرف لے جاتی ہے جو scale نہیں ہوتا۔

اس کو جاننا — اور I/O-vs-CPU فیصلہ جو یہ چلاتا ہے — حقیقی طور پر کام کرنے والا بیک وقتی Python لکھنے کے لیے ضروری ہے۔