20-Python高级
第 271 题:Python的GIL对多线程的影响?multiprocessing vs threading?
题目
Python的GIL对多线程的影响?multiprocessing vs threading?
完整讲解
一、GIL 是什么
GIL(Global Interpreter Lock)是 CPython 中一把进程级互斥锁,同一时刻只允许一个线程执行 Python 字节码。目的是保护解释器内部状态(如引用计数)一致,但导致多线程无法并行执行 Python 代码,多核 CPU 上多线程只能交替执行。
二、对多线程的影响
CPU 密集型:多线程几乎无法提速,甚至因切换与锁竞争变慢;应改用 multiprocessing 多进程,每进程独立解释器、各自有 GIL。IO 密集型:线程在等待 IO 时会释放 GIL,多线程可重叠 IO 与计算,threading 仍有价值;也可用 asyncio 单线程并发 IO。
三、multiprocessing vs threading
threading:共享内存、轻量,受 GIL 限制,适合 IO 密集或需共享状态的场景。multiprocessing:多进程、无 GIL 限制、可真并行,适合 CPU 密集;进程间通信用 Queue、Pipe 等,数据需可序列化。选型:CPU 密集用 multiprocessing;IO 密集用 threading 或 asyncio。
面试要点
- GIL:CPython 进程级锁,同一时刻仅一线程执行字节码;多线程无法并行执行 Python。
- CPU 密集:多线程几乎不加速,用 multiprocessing;IO 密集:线程在 IO 时释放 GIL,threading 有用。
- multiprocessing = 多进程、无 GIL、真并行;threading = 轻量、共享内存、受 GIL 限制。
- 选型:CPU 密集用进程;IO 密集用线程或 asyncio。
记忆要点
- GIL 导致多线程不能并行执行 Python 字节码。
- CPU 密集用 multiprocessing;IO 密集用 threading 或 asyncio。
- 进程间不共享内存、需序列化;线程共享内存、受 GIL 限制。