Python并发机制解析：GIL与多线程的真相

Python并发与GIL的基本限制

受限于全局解释器锁（GIL），Python进程在任意时刻仅能使用CPU的一个核心，即对应操作系统的一个内核线程。对于Python Web程序，若处理的是耗时较长的计算任务（占用CPU），在接收并处理第一个请求后，是否还能响应其他请求？假设Web程序在接收到请求后进入无限循环：

def handle_request(request):
 while True:
  pass

从代码层面看，Python仅有一个真正的执行线程。当代码执行到while True时，将独占唯一的CPU核心。此时，它是否还有机会处理其他任务？

为了模拟两个请求同时处理的情况，我们启动两个线程均执行，观察它们是否都能运行：

import time, threading

def f1(name):
 while True:
  print(name)
  time.sleep(1)

threading.Thread(target=f1, args=('f1', )).start()
threading.Thread(target=f1, args=('f2', )).start()

输出结果如下：

f1 f2 f2f1

f2 f1 ...

多线程在Web框架中的实际表现

实际上，使用Django（一个Python Web框架）进行测试发现，即使某个请求执行了while True这样的代码，程序依然可以处理其他请求（即支持并发）；

GIL机制下的线程交替执行原理

解释为何两个while True线程都能执行： 依然涉及GIL这把锁。第一个while True线程获取该锁后开始执行，随后执行了一条print(name)语句，接着释放了锁并暂停。此时，第二个while True线程获取GIL并开始执行。通过围绕GIL交替执行，Python实现了多线程并发。

总结如下：

while True无法一直持有CPU资源，它也是执行一段时间后暂停，这为其他进程提供了机会。这里有两个关键点：

• 如何获取这把锁
• 如何释放锁

锁的获取与释放策略

获取锁的过程类似排队。系统为lock设置一个队列，想要执行的线程需进入该队列等待。

释放锁的机制类似于进程调度：

• 划分时间片（执行相同的时间长度）
• 执行指令计数（执行相同数量的指令）
• 遇到IO操作（被动等待）
• 主动等待（调用wait/join/sleep等）

当遇到IO操作时，线程需等待IO设备完成计算才能继续执行。在此期间，不占用CPU资源，线程会主动释放锁。 主动等待的典型例子是sleep，线程主动放弃锁，在特定时机重新获取并执行。

Python并发的适用场景总结

以上分析表明，Python支持并发。但由于无法充分利用多核处理器的优势，对于大量并发的计算密集型应用，Python并非理想选择。

至此，关于Python如何支持并发的介绍完毕。如需了解更多Python支持并发的内容，请搜索本站过往文章或继续阅读相关文章。希望大家今后多多支持本站！