这篇文章主要介绍“怎么让python程序正确高效地并发”的相关知识，小编通过实际案例向大家展示操作过程，操作方法简单快捷，实用性强，希望这篇“怎么让python程序正确高效地并发”文章能帮助大家解决问题。GIL 是 CPython 解释器的实现的一部分，它是一个线程锁：在一个给定的时间只有一个线程可以获取锁。因此，要了解 GIL 如何影响 Python 的多线程并行能力，我们首先需要回答一个关键问题：Python 线程何时需要持有 GIL？考虑以下代码； 它在两个线程中运行函数 go()：当我们使用 Sciagraph 性能分析器运行它时，执行时间线如下所示：注意：线程是如何在 CPU 上等待和运行之间来回切换的：运行代码持有 GIL，等待线程正在等待 GIL。如果 GIL 5 毫秒（或其他可配置的时间间隔）没有释放，Python 会告诉当前正在运行的线程释放 GIL。下一个线程拿到GIL后就可以运行。如上图所示，我们看到两个线程之间来回切换；实际显示的间隔长于 5 毫秒，因为采样分析器每 47 毫秒左右采样一次。这就是我们最初的认知模型，或者说是对于GIL最浅层的认知：线程必须持有 GIL 才能运行 Python 代码。其他线程无法获取 GIL，因此无法运行，直到当前运行的线程释放它，GIL的切换每 5ms 进行一次。GIL 在 Python 3.7 到 3.10 中默认每 5ms 释放一次，从而允许其他线程运行：但是，这些版本中的GIL是尽力而为的，也就是说，其不能保证每隔5ms一定使得线程释放。考虑一个简单的伪代码，解释器在运行python线程时的逻辑如这个伪代码中的死循环所示：只有运行完一个操作后解释器python才会去检查是否释放GIL锁。当然，python内部的实现逻辑比这个伪代码复杂的多，但是遵循的原则是相同的：只要 run_next_python_instruction() 没有完成，temporary_release_gil() 就不会被调用。 大多数情况下，这不会发生，因为单个操作（添加两个整数、追加到列表等）很快就可以完成。因此，解释器可以经常检查是否该释放GIL。但是，长时间运行的操作会阻止 GIL 自动释放。 让我们编写一个小的Cython拓展，Cython是一种类似 Python的语言，其代码会转化成C/C++代码，并编译成可以被python调用的形式。下边的代码调用标准 C 库中的 sleep() 函数：我们可以使用 Cython 附带的 cythonize 工具将其编译为可导入的 Python 扩展：接下来从一个 Python 程序中调用它，该程序会创建一个新线程，并调用c_sleep()，该新线程与主线程是并行的：直到睡眠线程完成前，主线程无法运行；睡眠线程根本没有释放 GIL。这是因为python在调用底层语言（如C）所编写的模块时是阻塞性的调用，只有等到调用返回结果之后，本条语句才算执行结束。而对 c_sleep(2) 的调用在2秒内没有返回。在这2秒结束之前，Python 解释器循环不会运行，因此不会检查它是否应该自动释放 GIL。这是我们深化后的对GIL的认知：Python 线程必须持有 GIL 才能运行代码。其他 Python 线免费云主机域名程无法获取 GIL，因此无法运行，直到当前运行的线程释放它，这会自动每 5 毫秒发生一次。长时间运行（“阻塞”）的扩展代码会阻止自动切换。time.sleep(3)使得线程3秒内什么都不做。如上所述，运行时间较长的拓展代码会阻止GIL在线程之间的自动切换。那么这是否意味当某一线程运行time.sleep()时，其他线程也不能运行？让我们试试下面的代码，它尝试在主线程中并行运行 3 秒的睡眠和 5 秒的计算：运行后的结果为：如果程序只能单线程的运行，那么程序运行时长需要8秒，3秒用于睡眠，5秒用于计算。从上边的结果可以看出，睡眠线程和主线程并行运行！Sciagraph 性能分析器的输出如下图所示：想要了解这个现象的原因，需要我们阅读time.sleep的实现代码：根据PY_BEGIN/END_ALLOW_THREADS的文档，Py_BEGIN_ALLOW_THREADS会使得程序自动的释放GIL锁，然后去执行阻塞操作，当程序运行到Py_END_ALLOW_THREADS时才会申请GIL锁。因此，上边的C实现在调用底层操作系统睡眠函数时会显式释放GIL。这是GIL释放的另一种方式，它与我们目前知道的每 5 毫秒自动切换一次是相互独立的。任何已释放 GIL 并且不尝试申请它的代码（比如上文的sleep()期间）都不会阻塞其他申请GIL的线程。 因此，只要程序能够显式释放 GIL，我们可以并行运行任意数量的线程。所以这是我们的第三层认知：线程必须持有 GIL 才能运行 Python 代码。其他线程无法获取 GIL，因此无法运行，直到当前运行的线程释放它，这会自动每 5ms 发生一次。长时间运行（“阻塞”）的扩展代码会阻止自动切换。然而，用 C（或其他低级语言）编写的 Python 扩展可以显式释放 GIL，从而允许一个或多个线程与持有 GIL 的线程并行运行。到目前为止，我们已经说过python调用的C代码能够在某些情况下主动释放GIL。但是，线程调用 CPython C API时都必须持有 GIL。当线程调用CPython C API时必须持有GIL，只有很少的API不需要持有GIL(CPython C API可以使得Python程序调用已编译的利用C/C++编写的代码片段，Python 语言和标准库的大部分核心功能都是用 C 编写的)所以这是我们最终的认知模型：线程必须持有 GIL 才能调用 CPython C API。在解释器中运行的 Python 代码，例如 x = f(1, 2)，会使用这些 API。 每个 == 比较、每个整数加法、每个 list.append：都需要调用 CPython C API。 因此，线程运行 Python 代码时必须持有锁。其他线程无法获取 GIL，因此无法运行，直到当前运行的线程释放它，这会自动每 5ms 发生一次。长时间运行（“阻塞”）的扩展代码会阻止自动切换。然而，用 C（或其他低级语言）编写的 Python 扩展可以显式释放 GIL，从而允许一个或多个线程与持有 GIL 的线程并行运行。当调用运行时间较长的，用C编写的API时应当主动释放GILpython多线程最有用的情况是，线程调用长时间运行的C/C++/RUST代码，因此会长时间的不需要调用CPython C API，此时就可以让线程释放GIL从而允许其他线程运行。不适合并发的场景：所谓的纯python代码，指的是代码只与python内置的对象，如字典，整数，列表交互，并且代码也不会阻塞性的调用底层代码，这样的代码会频繁地使用Python C API：此时搞线程并发并没有太大的意义另一种不会获得太多并行性的情况是：在C/Rust扩展中需要使用大量的Python C API。例如，考虑一个读取以下字符串的 JSON 解析器：解析器将：读取几个字节，然后创建一个 Python 列表。然后它将读取更多字节，然后创建一个 Python 整数并将其附加到列表中。这种情况一直持续到数据处理完为止。创建所有这些 Python 对象需要使用 CPython C API，因此需要持有 GIL。由于反复占有和释放 GIL 会降低程序的性能，而且大多数 JSON 文档都可以非常快速地解析。 因此，JSON解析器的开发者当然会选择在整个处理过程结束之前都不释放GIL，但这也导致json解析器解析期间，程序只能线性运行。让我们通过观察当我们在两个线程中读取两个大文档时，Python的内置JSON解析器如何影响并行性来验证这个假设。代码如下所示：性能分析器的结果如下所示：很明显，同时运行两个json解析器时，线程之间完全没有并行关于“怎么让python程序正确高效地并发”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识，可以关注百云主机行业资讯频道，小编每天都会为大家更新不同的知识点。
这篇文章主要介绍“go test命令有什么作用”，在日常操作中，相信很多人在go test命令有什么作用问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”go test命令有什么作用”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！…
免责声明：本站发布的图片视频文字，以转载和分享为主，文章观点不代表本站立场，本站不承担相关法律责任；如果涉及侵权请联系邮箱：360163164@qq.com举报，并提供相关证据，经查实将立刻删除涉嫌侵权内容。
微信扫一扫 
