python内存管理-GIL

发表于 更新于 分类于 ， 阅读次数：

GIL是什么

GIL（Global Interpreter Lock，全局解释器锁） 是 CPython 解释器（Python 的官方实现）中的一个互斥锁（mutex），它确保同一时刻只有一个线程执行 Python 字节码。

🔒 互斥锁的定义：

互斥锁是一种同步原语，用于防止多个线程同时访问共享资源。

GIL 正是这样一把锁：

  • 共享资源 = CPython 解释器的内部状态（如对象引用计数、内存管理器）
  • 保护方式 = 任何线程要执行 Python 代码，必须先获取 GIL

为什么要设计GIL

GIL 的核心原因：CPython 的内存管理模型

🔑 关键点：

CPython 使用“引用计数（Reference Counting）”作为主要的内存管理机制，而引用计数的增减操作必须是原子的。

🔑 核心逻辑链：

Python（CPython）使用引用计数（Reference Counting）管理内存 ↓ 引用计数的增减必须是原子操作（否则会出错） ↓ 为了保证原子性，CPython 引入了 GIL（全局互斥锁） ↓ GIL 确保同一时刻只有一个线程能修改引用计数

什么是引用计数（Reference Counting）

在 CPython 中，每个 Python 对象（如 list, str, 自定义类实例）都有一个字段叫 ob_refcnt，记录“有多少变量/容器引用了它”。

1
2
3
4
a = [1, 2, 3]      # ob_refcnt = 1
b = a              # ob_refcnt = 2
c = [a, "hello"]   # ob_refcnt = 3（因为 c[0] 也引用了它）
del b              # ob_refcnt = 2

当 ob_refcnt 降到 0 时，对象立即被销毁（内存回收）。

如果没有GIL

假设两个线程同时执行 b = a：

线程 A 线程 B 实际 ob_refcnt
读取 ob_refcnt = 1 读取 ob_refcnt = 1 1
计算 1 + 1 = 2 计算 1 + 1 = 2 —
写回 ob_refcnt = 2 写回 ob_refcnt = 2 2（但正确值应为 3！）

👉 结果：引用计数错误 → 对象可能被提前释放（程序崩溃）或内存泄漏。

💥 这就是竞态条件（Race Condition）：多个线程/进程并发访问共享资源时，最终结果依赖于它们的执行顺序或 timing（时序），导致程序行为不可预测、错误或崩溃。

为什么 Java/Go 不需要GIL？

语言 内存管理 是否需要全局锁
Python (CPython) 引用计数（运行时增减） ✅ 需要（GIL）
Java / Go / C# 垃圾回收（GC） ❌ 不需要
Rust 编译期所有权检查 ❌ 不需要
  • GC 语言：对象分配/回收由专用 GC 线程处理，用户线程不直接操作引用计数
  • Rust：内存安全在编译期保证，运行时无引用计数开销

什么是GC

GC（Garbage Collection，垃圾回收） 是现代编程语言中自动管理内存的核心机制。其核心思想为， 自动找出“不再使用的对象”，并回收其内存，无需程序员手动释放。

🆚 对比：手动管理 vs 自动管理

方式 代表语言 特点
手动管理 C, C++ 程序员用malloc/free或new/delete管理内存 → 容易出错（内存泄漏、野指针）
自动管理 Java, Go, C#, Python 语言运行时自动回收内存 → 安全，但有性能开销

GC是如何工作的

主流 GC（如 Java、Go）使用 “可达性分析”（Reachability Analysis）判断对象是否存活：

🌳 核心概念：根对象（Roots）

  • 全局变量
  • 当前函数的局部变量
  • CPU 寄存器中的引用

📌 判断规则：

从根对象出发，能通过引用链到达的对象 = 存活对象 无法到达的对象 = 垃圾（可回收）

python的程序并行

由于 CPython 的 GIL（全局解释器锁）存在：

  • 多线程无法在多核 CPU 上并行执行 Python 字节码（尤其是 CPU 密集型任务）；
  • 但多进程可以绕过 GIL，每个进程拥有独立的解释器和内存空间，因此能真正并行，充分利用多核 CPU。
类型 是否受 GIL 限制 能否利用多核 适用场景
多线程（Threading） ✅ 受限（CPU 任务串行） ❌ CPU 任务不能✅ I/O 任务可以（因释放 GIL） 网络请求、文件读写、数据库查询等 I/O 密集型
多进程（Multiprocessing） ❌ 不受限 ✅ 能（真并行） 图像处理、模型推理、加密计算等 CPU 密集型

📌 注意：“并行”（parallelism）≠ “并发”（concurrency）
- 多线程在 Python 中实现的是 并发（交替执行），不是 并行（同时执行）（对 CPU 任务而言）。

参考资料

带大家感受一下没有GIL的CPython_哔哩哔哩_bilibili

【python】天使还是魔鬼？GIL的前世今生。一期视频全面了解GIL！_哔哩哔哩_bilibili