Python自由线程时代来临：GIL终将被淘汰

近期, 在圈子范围之内, 有一个话题一次又一次、再三再四地火起来了, 此话题为自由线程Free。事情是这样的上一个月, 2.13宣布不再为3.13t构建wheel, JAX v0.11也相继宣布同样不再为3.14t且不再为3.14t和为3.15t构建wheel, 而是全都全面转向3.14t和3.15t。紧随着, 8月4号到来, 3.15首个候选版本予以发布, 自由线程的稳定ABI正式实现落地。这节奏感觉 GIL 是真的要被抬走了。说实话, 好多小伙伴儿听到“自由线程”这四名儿字, 反应大多是——“似乎……”, 但。能让 多核并行然后就没有然后了。今天咱们就把它掰扯清楚。GIL 是个什么东西想象一下你开了一家奶茶店店里只有一台收银机。就算你聘请了8个店员8核CPU, 顾客排起了长队, 然而在同一时刻, 可只是有1个人能够通过收银机进行结账操作罢了, 其余的7个人, 只能大眼瞪小眼地干着急。你提供的内容似乎不完整, 请补充完整准确的信息, 以便我按照要求进行改写。你会惊讶地发现双线程并没有比串行快甚至可能更慢。由于, GIL 在后面卡着脖子, 致使两个线程来回争抢锁, 但这样子上下文切换还额外耗费到时间了。简而言之呢, GIL致使多线程于计算密集的情景之中, 转变成为了“假并行”。那以前是怎么绕过去的老司机们早就摸索出了几条绕路多进程, 其中每个进程都有着属于自身的 GIL, 这相仿于开设许多家分店, 而且每家分店均有独立操作的收银机。然而, 进程之间的通信也就是 IPC 却极为繁重, 同时内存的开销也非常大。协程从本质上来说依旧是单线程, 它适宜于 I/O 密集的情况, 像是网络请求、文件读写这类 , 然而一旦遇上 CPU 密集的状况, 它同样会陷入停滞的状态。对于 C 扩展而言, 要将计算密集的部分运用 C 重写, 并且在 C 代码当中手动去释放 GIL。这几招虽然有用但总有一种打补丁的感觉。社区当中, 呼喊着要去掉 GIL 的声音, 已经持续呼喊了将近二十年, 然而, 始终没有任何人能够拿出一个让所有人都可以接受的方案。直到 Meta 的 Sam Gross 站了出来。自由线程把收银机拆了自由线程的核心思路简单粗暴直接让 GIL 变成可选项。不再是由一把大锁去管理所有东西, 而是采用一堆细粒度的小锁, 给每个对象配备一把微型的锁。这种微型锁只有1个字节, 谁使用谁就进行锁定, 使用完毕后便释放它。再搭配上原子引用计数, 以及线程安全内存分配器, 使得真正的多核并行得以成为可能。于自由线程构建情形之中而言, 4核CPU去运行计算任务了, 其速度确实是能够翻升多倍的, 这不再需要看GIL之脸色。现在能用吗到哪一步了给你一张时间表一看就明白版本时间状态3.13, 在2024年10月, 具备实验性, 带有“”这个标记, 单线程情况下速度慢了20%到40%。3.2025年10月, 正式予以支持, 单线程仅仅慢5至10%, 独立二进制为3.14t, 14。3.2026年10月, 预计, 15, 统一 ABI, 一个扩展, 同时, 兼容 GIL, 又兼容无GIL。3.于 17 减去 3.19, 就此进行推算之意考虑可得 2028 至2030, 那个时间段内, GIL 先是被默认为是关闭的情形处于这种情况, 甚至还会呈现出被完全移除的状况存在。重点来了3.14 起自由线程已经不是实验性功能了。如果你用的是 macOS 或者 Linux现在就能体验。去 官网下载页选带 free- 标记的安装包此刻, 超过百分之五十的、PyPI之中热门的包像NumPy、SciPy等等, 都已经给出了自由线程专门使用的wheel。但是别急着 All In自由线程再香也有几个坑需要先看清楚1. 单线程反而慢了 5-10%GIL 这个“大管家”没了以后, 每次操作对象都非得走原子引用计数, 和那细粒度锁, 就是在单线程的情况下, 确实相较于普通的情况稍微慢那么一些。如果你的程序本来就是单线程跑跑脚本没必要折腾。2. 线程安全还是得自己管GIL 没了 ≠ 你的代码自动变安全了。以往, GIL 悄然为你阻挡诸多竞态条件, 如今, 你需自行借助.Lock, 对共享数据予以保护:3. C 扩展兼容性不是所有第三方库都适配了。进行一个未曾声明对自由线程予以支持的C扩展的导入操作, 此时GIL会自动地再次启用, 这就相当于状态又返回到了之前的那种状况, 也就是回到了解放前, 是这样一种情况。最后我的建议很简单别盲目追新但值得保持关注。写 Web 后端的 够你用到退休搞数据分析、科学计算的自由线程真的能让你少喝好几杯咖啡。耗时二十年才戴上的这把枷锁, 于一场持续多年的接力赛当中正被一点一点拆除下来。能亲眼见证这个过程说实话挺酷的。彩蛋有关在这个话题上泼过一盆冷水的 Guido van, 他说, 去 GIL 的重要性被过度夸张了, 它主要供 Meta 这种超大规模用户使用, 对日常搬砖的影响没那么显著。很多人尝试走并行化这条路, 最后速度反而慢下来, 这表明大家对并发模型的理解还有提升的空间。