什么是 GIL，它如何影响并发性？

Question

什么是 GIL，它如何影响并发性？

Accepted Answer

**GIL**（全局解释器锁）是 CPython（Python 的标准实现）中的一个互斥锁，它**仅允许一个线程在任何时候执行 Python 字节码**。这意味着 Python 线程无法在多个 CPU 核心上真正并行运行 Python 代码 — 这对并发性是一个重要考虑因素。

## GIL 在实践中的含义

```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.
```

## 关键区别：CPU 绑定 vs I/O 绑定

```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
```

至关重要的细节：GIL **在 I/O 期间被释放**（网络、文件、sleep）以及在许多 C 扩展内部。因此线程*确实*对 **I/O 绑定**工作有帮助（多个等待重叠），但对 **CPU 绑定**工作*没有*帮助（GIL 将计算序列化）。

## 绕过 CPU 绑定工作的 GIL

```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
```

对于 CPU 绑定并行，使用 **`multiprocessing`**（单独的进程绕过单个 GIL）或库（NumPy 等），其繁重工作在 C 中运行且 GIL 被释放。

## 决策指南

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

## 未来

```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.
```

## 为什么这很重要

GIL 是 Python 最重要的 — 也是最常被误解的 — 特性之一。

它解释了为什么为 CPU 密集型工作使用线程*无法*获得速度提升（一个常见错误），以及为什么正确的并发工具取决于工作负载：**用于 I/O 绑定的 threading/asyncio**（GIL 在等待期间被释放）和**用于 CPU 绑定的 multiprocessing**（使用单独的进程实现真正的并行）。

对 GIL 的误解导致低效的并发代码无法扩展。

了解它 — 以及它驱动的 I/O-vs-CPU 决策 — 对于编写真正高效的并发 Python 是必不可少的。