Python 最難的問題

超過十年以上，沒有比解釋器全局鎖（GIL）讓Python新手和專家更有挫折感或者更有好奇心。

未解決的問題

隨處都是問題。難度大、耗時多肯定是其中一個問題。僅僅是嘗試解決這個問題就會讓人驚訝。之前是整個社區的嘗試，但現在只是外圍的開發人員在努力。對于新手，去嘗試解決這樣的問題，主要是因為問題難度足夠大，解決之后可以獲得相當的榮譽。計算機科學中未解決的 P = NP 就是這樣的問題。對此如果能給出多項式時間復雜度的答案，那簡直就可以改變世界了。Python最困難的問題比證明P = NP要容易一些，不過迄今仍然沒有一個滿意的解決，要知道，這個問題的實用的解決方案同樣能起著變革性的作用。正因為如此，很容易看到Python社區會有如此多的人關注于這樣的問題: "對于解釋器全局鎖能做什么?"

Python的底層

要理解GIL的含義，我們需要從Python的基礎講起。像C++這樣的語言是編譯型語言，所謂編譯型語言，是指程序輸入到編譯器，編譯器再根據語言的語法進行解析，然后翻譯成語言獨立的中間表示，最終鏈接成具有高度優化的機器碼的可執行程序。編譯器之所以可以深層次的對代碼進行優化，是因為它可以看到整個程序（或者一大塊獨立的部分）。這使得它可以對不同的語言指令之間的交互進行推理，從而給出更有效的優化手段。

與此相反，Python是解釋型語言。程序被輸入到解釋器來運行。解釋器在程序執行之前對其并不了解；它所知道的只是Python的規則，以及在執行過程中怎樣去動態的應用這些規則。它也有一些優化，但是這基本上只是另一個級別的優化。由于解釋器沒法很好的對程序進行推導，Python的大部分優化其實是解釋器自身的優化。更快的解釋器自然意味著程序的運行也能“免費”的更快。也就是說，解釋器優化后，Python程序不用做修改就可以享受優化后的好處。

這一點很重要，讓我們再強調一下。如果其他條件不變，Python程序的執行速度直接與解釋器的“速度”相關。不管你怎樣優化自己的程序，你的程序的執行速度還是依賴于解釋器執行你的程序的效率。這就很明顯的解釋了為什么我們需要對優化Python解釋器做這么多的工作了。對于Python程序員來說，這恐怕是與免費午餐最接近的了。

免費午餐結束了

還是沒有結束？摩爾定律給出了硬件速度會按照確定的時間周期增長，與此同時，整整一代程序員學會了如何編碼。如果一個人寫了比較慢的代碼，最簡單的結果通常是更快的處理器去等待代碼的執行。顯然，摩爾定律仍然是正確的，并且還會在很長一段時間生效，不過它提及的方式有了根本的變化。并非是時鐘頻率增長到一個高不可攀的速度，而是通過多核來利用晶體管密度提高帶來的好處。在新處理器上運行的程序要想充分利用其性能，必須按照并發方式進行重寫。

大部分開發者聽到“并發”通常會立刻想到多線程的程序。目前來說，多線程執行還是利用多核系統最常用的方式。盡管多線程編程大大好于“順序”編程，不過即便是仔細的程序員也沒法在代碼中將并發性做到最好。編程語言在這方面應該做的更好，大部分應用廣泛的現代編程語言都會支持多線程編程。

意外的事實

現在我們來看一下問題的癥結所在。要想利用多核系統，Python必須支持多線程運行。作為解釋型語言，Python的解釋器必須做到既安全又高效。我們都知道多線程編程會遇到的問題。解釋器要留意的是避免在不同的線程操作內部共享的數據。同時它還要保證在管理用戶線程時保證總是有最大化的計算資源。

那么，不同線程同時訪問時，數據的保護機制是怎樣的呢？答案是解釋器全局鎖。從名字上看能告訴我們很多東西，很顯然，這是一個加在解釋器上的全局（從解釋器的角度看）鎖（從互斥或者類似角度看）。這種方式當然很安全，但是它有一層隱含的意思（Python初學者需要了解這個）：對于任何Python程序，不管有多少的處理器，任何時候都總是只有一個線程在執行。

許多人都是偶然發現這個事實的。網上的很多討論組和留言板都充斥著來自Python初學者和專家的類似這樣的問題——”為什么我全新的多線程Python程序運行得比其只有一個線程的時候還要慢？“許多人在問這個問題時還是非常犯暈的，因為顯然一個具有兩個線程的程序要比其只有一個線程時要快（假設該程序確實是可并行的）。事實上，這個問題被問得如此頻繁以至于Python的專家們精心制作了一個標準答案：”不要使用多線程，請使用多進程?！暗@個答案比那個問題更加讓人困惑。難道我不能在Python中使用多線程？在Python這樣流行的一個語言中使用多線程究竟是有多糟糕，連專家都建議不要使用。難道我真的漏掉了一些東西？

很遺憾，沒有任何東西被漏掉。由于Python解釋器的設計，使用多線程以提高性能應該算是一個困難的任務。在最壞的情況下，它將會降低（有時很明顯）你的程序的運行速度。一個計算機科學與技術專業的大學生新手可能會告訴你當多個線程都在競爭一個共享資源時將會發生什么。結果通常不會非常理想。很多情況下多線程都能很好地工作，可能對于解釋器的實現和內核開發人員來說，沒有關于Python多線程性能的過多抱怨。

現在該怎么辦？驚慌？

那么，這又能怎樣？問題解決了嗎？難道我們作為Python開發人員就意味著要放棄使用多線程來探索并行的想法了？為什么無論怎樣，GIL需要保證只有一個線程在某一時刻處于運行中？難道不可以添加細粒度的鎖來阻止多個獨立對象的同時訪問？并且為什么之前沒有人去嘗試過類似的事情？

這些實用的問題有著十分有趣的回答。GIL對諸如當前線程狀態和為垃圾回收而用的堆分配對象這樣的東西的訪問提供著保護。然而，這對Python語言來說沒什么特殊的，它需要使用一個GIL。這是該實現的一種典型產物?，F在也有其它的Python解釋器（和編譯器）并不使用GIL。雖然，對于CPython來說，自其出現以來已經有很多不使用GIL的解釋器。

那么為什么不拋棄GIL呢？許多人也許不知道，在1999年，針對Python 1.5，一個經常被提到但卻不怎么理解的“free threading”補丁已經嘗試實現了這個想法，該補丁來自Greg Stein。在這個補丁中，GIL被完全的移除，且用細粒度的鎖來代替。然而，GIL的移除給單線程程序的執行速度帶來了一定的代價。當用單線程執行時，速度大約降低了40%。使用兩個線程展示出了在速度上的提高，但除了這個提高，這個收益并沒有隨著核數的增加而線性增長。由于執行速度的降低，這一補丁被拒絕了，并且幾乎被人遺忘。

移除GIL非常困難，讓我們去購物吧！

（譯者注：XXX is hard. Let's go shopping!在英語中類似于中文的咆哮體。其隱含意思為想成功完成某件事情非常困難，我們去直接尋找第三方的產品替代吧。）

不過，“free threading”這個補丁是有啟發性意義的，其證明了一個關于Python解釋器的基本要點：移除GIL是非常困難的。由于該補丁發布時所處的年代，解釋器變得依賴更多的全局狀態，這使得想要移除當今的GIL變得更加困難。值得一提的是，也正是因為這個原因，許多人對于嘗試移除GIL變得更加有興趣。困難的問題往往很有趣。

但是這可能有點被誤導了。讓我們考慮一下：如果我們有了一個神奇的補丁，其移除了GIL，并且沒有對單線程的Python代碼產生性能上的下降，那么什么事情將會發生？我們將會獲得我們一直想要的：一個線程API可能會同時利用所有的處理器。那么現在，我們已經獲得了我們希望的，但這確實是一個好事嗎？

基于線程的編程毫無疑問是困難的。每當某個人覺得他了解關于線程是如何工作的一切的時候，總是會悄無聲息的出現一些新的問題。因為在這方面想要得到正確合理的一致性真的是太難了，因此有一些非常知名的語言設計者和研究者已經總結得出了一些線程模型。就像某個寫過多線程應用的人可以告訴你的一樣，不管是多線程應用的開發還是調試都會比單線程的應用難上數倍。程序員通常所具有的順序執行的思維模恰恰就是與并行執行模式不相匹配。GIL的出現無意中幫助了開發者免于陷入困境。在使用多線程時仍然需要同步原語的情況下，GIL事實上幫助我們保持不同線程之間的數據一致性問題。

那么現在看起來討論Python最難得問題是有點問錯了問題。我們有非常好的理由來說明為什么Python專家推薦我們使用多進程代替多線程，而不是去試圖隱藏Python線程實現的不足。更進一步，我們鼓勵開發者使用更安全更直接的方式實現并發模型，同時保留使用多線程進行開發除非你覺的真的非常必要的話。對于大多數人來說什么是最好的并行編程模型可能并不是十分清楚。但是目前我們清楚的是多線程的方式可能并不是最好的。

至于GIL，不要認為它在那的存在就是靜態的和未經分析過的。Antoine Pitrou 在Python 3.2中實現了一個新的GIL，并且帶著一些積極的結果。這是自1992年以來，GIL的一次最主要改變。這個改變非常巨大，很難在這里解釋清楚，但是從一個更高層次的角度來說，舊的GIL通過對Python指令進行計數來確定何時放棄GIL。這樣做的結果就是，單條Python指令將會包含大量的工作，即它們并沒有被1:1的翻譯成機器指令。在新的GIL實現中，用一個固定的超時時間來指示當前的線程以放棄這個鎖。在當前線程保持這個鎖，且當第二個線程請求這個鎖的時候，當前線程就會在5ms后被強制釋放掉這個鎖（這就是說，當前線程每5ms就要檢查其是否需要釋放這個鎖）。當任務是可行的時候，這會使得線程間的切換更加可預測。

然而，這并不是一個完美的改變。對于在各種類型的任務上有效利用GIL這個領域里，最活躍的研究者可能就是David Beazley了。除了對Python 3.2之前的GIL研究最深入，他還研究了這個最新的GIL實現，并且發現了很多有趣的程序方案。對于這些程序，即使是新的GIL實現，其表現也相當糟糕。他目前仍然通過一些實際的研究和發布一些實驗結果來引領并推進著有關GIL的討論。

不管某一個人對Python的GIL感覺如何，它仍然是Python語言里最困難的技術挑戰。想要理解它的實現需要對操作系統設計、多線程編程、C語言、解釋器設計和CPython解釋器的實現有著非常徹底的理解。單是這些所需準備的就妨礙了很多開發者去更徹底的研究GIL。雖然如此，并沒有跡象表明GIL在不久以后的任何一段時間內會遠離我們。目前，它將繼續給那些新接觸Python，并且與此同時又對解決非常困難的技術問題感興趣的人帶來困惑和驚喜。

以上內容是基于我目前對Python解釋器所做出的研究而寫。雖然我還希望寫一些有關解釋器的其它方面內容，但是沒有任何一個比全局解釋器鎖（GIL）更為人所知。雖然我認為這里有些內容是不準確的，但是這些技術上的細節與CPython的很多資源條目是不同的。如果你發現了不準確的內容，請及時告知我，這樣我就會盡快對其進行改正。

原文鏈接：
https://www.oschina.net/translate/pythons-hardest-problem

---

?

識別圖中二維碼,領取python全套視頻資料

轉載于:https://www.cnblogs.com/IT-Scavenger/p/9642562.html

總結

以上是生活随笔為你收集整理的Python 最难的问题的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。