Python中协程、多线程、多进程、GIL锁

概念：

协程：协程是轻量级的线程，又称微线程，协程由程序自身控制，在一个线程里执行，没有线程切换的开销，有极高的执行效率。

线程：线程是操作系统能够进行运算调度的最小单位，它被包含在进程中，是进程中的实际运作单位，一个进程中可以有多个线程。

进程：进程是系统进行资源分配和调度的基本单位，是操作系统结构的基础，是线程的容器。（是指令、数据及其组织形式的描述，进程是程序的实体。）

并发：当有多个线程在操作时,如果系统只有一个CPU,则它根本不可能真正同时进行一个以上的线程，它只能把CPU运行时间划分成若干个时间段,再将时间 段分配给各个线程执行，在一个时间段的线程代码运行时，其它线程处于挂起状。.这种方式我们称之为并发(Concurrent)。

并行：当系统有一个以上CPU时,则线程的操作有可能非并发。当一个CPU执行一个线程时，另一个CPU可以执行另一个线程，两个线程互不抢占CPU资源，可以同时进行，这种方式我们称之为并行(Parallel)。

最近在看Python的多线程，经常我们会听到老手说：“Python下多线程是鸡肋，推荐使用多进程！”，但是为什么这么说呢？

  要知其然，更要知其所以然。所以有了下面的深入研究：

首先强调背景：

1. GIL是什么？

  GIL的全称是Global Interpreter Lock(全局解释器锁)，是Cpython的一个缺陷，为了数据安全所做的决定。JPython、PyPy没有GIL锁，因此不是一提到Python就有GIL限制，只是Cpython有而已。

2. GIL存在的意义是什么？为什么会有GIL？

　　Python线程是调用C语言的原生线程。因为Python是用C写的，启动的时候就是调用的C语言的接口，Python控制不了C语言接口，只能等结果。所以它不能控制让哪个线程先执行，这个时候多个线程独自执行，结果就不一定正确了。有了GIL，实现了在同一时间只有一个线程能够工作，避免了数据不一致。

3. 每个CPU在同一时间只能执行一个线程

  在单核CPU下的多线程其实都只是并发，不是并行，并发和并行从宏观上来讲都是同时处理多路请求的概念。但并发和并行又有区别，并行是指两个或者多个事件在同一时刻发生；而并发是指两个或多个事件在同一时间间隔内发生。

在Python多线程下，每个线程的执行方式：

1. 获取GIL

2. 执行代码直到sleep或者是python虚拟机将其挂起。

3. 释放GIL

可见，某个线程想要执行，必须先拿到GIL，我们可以把GIL看作是“通行证”，并且在一个python进程中，GIL只有一个。拿不到通行证的线程，就不允许进入CPU执行。

  在Python2.x里，GIL的释放逻辑是当前线程遇见IO操作或者ticks计数达到100（ticks可以看作是Python自身的一个计数器，专门作用于GIL，每次释放后归零，这个计数可以通过 sys.setcheckinterval 来调整），进行释放。

  而每次释放GIL锁，线程进行锁竞争、切换线程，会消耗资源。并且由于GIL锁存在，python里一个进程永远只能同时执行一个线程(拿到GIL的线程才能执行)，这就是为什么在多核CPU上，python的多线程效率并不高。

那么是不是python的多线程就完全没用了呢？

  在这里我们进行分类讨论：

1. CPU密集型代码(各种循环处理、计数等等)，在这种情况下，由于计算工作多，ticks计数很快就会达到阈值，然后触发GIL的释放与再竞争（多个线程来回切换当然是需要消耗资源的），所以python下的多线程对CPU密集型代码并不友好。

2. IO密集型代码(文件处理、网络爬虫等)，多线程能够有效提升效率(单线程下有IO操作会进行IO等待，造成不必要的时间浪费，而开启多线程能在线程A等待时，自动切换到线程B，可以不浪费CPU的资源，从而能提升程序执行效率)。所以python的多线程对IO密集型代码比较友好。（下方有爬虫示例）

  而在python3.x中，GIL不使用ticks计数，改为使用计时器（执行时间达到阈值后，当前线程释放GIL），这样对CPU密集型程序更加友好，但依然没有解决GIL导致的同一时间只能执行一个线程的问题，所以效率依然不尽如人意。

  请注意：多核多线程比单核多线程更差，原因是单核下的多线程，每次释放GIL，唤醒的那个线程都能获取到GIL锁，所以能够无缝执行，但多核下，CPU0释放GIL后，其他CPU上的线程都会进行竞争，但GIL可能会马上又被CPU0拿到，导致其他几个CPU上被唤醒后的线程会醒着等待到切换时间后又进入待调度状态，这样会造成线程颠簸(thrashing)，导致效率更低。

  回到最开始的问题：经常我们会听到老手说：“python下想要充分利用多核CPU，就用多进程”，原因是什么呢？

  原因是：每个进程有各自独立的GIL，互不干扰，这样就可以真正意义上的并行执行，所以在python中，多进程的执行效率优于多线程(仅仅针对多核CPU而言)。

  所以在这里说结论：多核下，想做并行提升效率，比较通用的方法是使用多进程，能够有效提高执行效率

爬虫示例比较、下图是在双核CPU机器上执行单线程爬虫、多线程并发、多进程并行、所使用的时间与CPU使用率对比

单线程：

多线程并发执行：（线程池）

多进程并行执行：（进程池）

单线程VS多线程：在爬虫运行遇到IO阻塞时，多线程会切换到另外一条线程执行，某时刻该线程IO顺通并获得GIL锁后继续执行，CPU利用率高；单线程会等待阻塞，CPU利用率低；多线程比单线程快。

多线程VS多进程：多线程存在GIL锁，同一时刻只能有一条线程执行；在多进程中，每一个进程都有独立的GIL，不会发生GIL冲突；但在这个例子中，爬虫属于IO密集型，多进程适用于CPU计算密集型，所以用时较长，速度慢于多线程并发。

多线程、多进程VS单线程： 单线程惨败

如果想要利用多核CPU，最简单有效的方法是多进程+协程，这样既充分利用多核，又充分发挥协程的高效率。

测试代码github