学习并发——深入探索Python多线程
内容提要
本文介绍Python并发编程，包括多线程、多进程、竞态条件与锁，并重点讲解PEP 703引入的免GIL自由线程模式：Python 3.13起可禁用GIL实现真正并行。基准测试表明，CPU密集型任务在免GIL下约快四倍，但共享变量加锁反而更慢，原因是锁争用与缓存颠簸。最佳实践是消除共享状态，让各线程独立计算后合并结果。C扩展库尚未完全兼容，导入时会自动重新启用GIL。
延伸解读
免GIL并非性能万能药
文章基准测试显示，免GIL下CPU密集型任务约快四倍，但共享变量加锁后反而更慢。原因是锁争用导致操作系统频繁切换线程，以及CPU缓存颠簸消耗硬件资源。因此，关闭GIL不会自动让串行代码并行化，若代码结构不当，性能可能不升反降。
消除共享状态是关键
最佳实践是让各线程独立计算，最后合并结果。例如使用ThreadPoolExecutor为每个线程分配局部计数器，避免锁竞争和缓存同步。文章强调，若线程需要频繁通信，性能会变差；应尽量将任务拆分为完全隔离的块，在终点汇总。
C扩展兼容性风险
许多依赖C扩展的库（如NumPy、Pandas、Scikit-Learn）尚未完全支持免GIL。导入这类未标记兼容的扩展时，Python会自动重新启用GIL并发出警告，从而暂时失去多核性能优势。此外，C扩展中不当使用借用引用或共享指针可能导致内存损坏或崩溃。
线程安全仍需同步机制
免GIL后，竞态条件更易出现。例如共享计数器自增操作并非原子，多线程同时读写会导致结果错误。文章指出，若代码之前需要锁来保证线程安全，在免GIL版本中依然需要。开发者应继续使用锁、队列等同步原语保护共享可变数据。
Q&A
Python的GIL是什么？为什么它会导致多线程无法真正并行？
GIL（全局解释器锁）是一个互斥锁，它确保同一时刻只有一个原生线程执行Python字节码。因此，即使有多个CPU核心，Python线程也无法实现真正的并行执行，只能通过协作或抢占式多任务轮流使用处理器。
Python 3.13的免GIL自由线程模式是什么？如何启用？
免GIL自由线程模式是PEP 703引入的实验性构建，允许禁用GIL以实现真正的多线程并行。从Python 3.13开始，可以通过安装自由线程版本的Python（如使用uv venv --python 3.14t）并在运行时使用-X gil=0参数来禁用GIL。
在免GIL的Python中，CPU密集型任务性能提升有多大？
基准测试显示，对于不共享状态的CPU密集型任务（如计算斐波那契数列），免GIL版本比启用GIL的版本快约四倍。例如，8线程计算fib(35)在免GIL下耗时0.81秒，而启用GIL时耗时4.13秒。
为什么在免GIL下，使用锁保护共享计数器反而更慢？
因为锁争用和缓存颠簸。当多个线程竞争同一个锁时，操作系统需要频繁进行上下文切换，开销很大；同时，CPU核心需要不断同步和失效彼此的缓存，导致大量时间浪费在硬件层面的协调上，而不是实际计算。
在免GIL的Python中，如何编写高效的多线程代码？
最佳实践是消除共享状态，让每个线程独立计算，最后合并结果。例如，使用concurrent.futures.ThreadPoolExecutor为每个线程分配本地计数器，避免锁争用和缓存颠簸，从而充分利用多核并行能力。
免GIL的Python对C扩展库（如NumPy、Pandas）兼容吗？
目前大多数C扩展库尚未完全兼容免GIL模式。如果导入未标记支持自由线程的C扩展包，Python解释器会自动重新启用GIL并发出警告，以防止程序崩溃，但这会暂时失去多核性能优势。
