引言
沒有運行這段代碼前cpu狀態
運行之後的狀態
運行代碼結果
python線程的執行流程理解
遇到IO也會釋放GIL
引言我們經常聽到"因為GIL的存在，python的多線程不能利用多核CPU"，現在我們暫且不提GIL，python能不能利用多核cpu，今天我做了一個實驗，代碼很簡單如下所示
while 1: pass沒有運行這段代碼前cpu狀態
下面兩張圖是運行之後的狀態，當然這只是兩張比較有代表性的圖，截圖間隔有十幾秒的樣子
根據第一張圖我們發現cpu1、cpu3的負載有明顯增長，我們可以得出python線程是可以利用多核cpu的結論，之前一直以為python運行後會綁定cpu其中的一個核心現在看來並不是這個樣子。第二張圖就比較有意思了cpu2滿載了，這又是為什麼呢？
想來想去應該是linux中cpu對進程的親和性導致的，這種親和性是軟性的並不是強制的，這也就解釋了為什麼第一張圖中是多cpu在負載。
ok為了更直觀的看出python線程能夠利用多核cpu，我們改下代碼，換一種方式再來看下
import oswhile 1: print os.getpid() # 輸出進程號運行代碼結果
一目了然，線程的確在不同的核心上切換。
現在我們回過頭看下那句經典的話"因為GIL的存在，python的多線程不能利用多核CPU"，這句話很容易讓人理解成GIL會讓python在一個核心上運行，有了今天的例子我們再來重新理解這句話，GIL的存在讓python在同一時刻只能有一個線程在運行，這毋庸置疑，但是它並沒有給線程鎖死或者說指定只能在某個cpu上運行，另外我需要說明一點的是GIL是與進程對應的，每個進程都有一個GIL。
python線程的執行流程理解線程 ——>搶GIL——>CPU
這種執行流程導致了CPU密集型的多線程程序雖然能夠利用多核cpu時跟單核cpu是差不多的，並且由於多個線程搶GIL這個環節導致運行效率<=單線程。
看到這可能會讓人產生一種錯覺，有了GIL後python是線程安全的，好像根本不需要線程鎖，而實際情況是線程拿到CPU資源後並不是一直執行的，python解釋器在執行了該線程100條字節碼(注意是字節碼不是代碼)時會釋放掉該線程的GIL，如果這時候沒有加鎖那麼其他線程就可能修改該線程用到的資源;
遇到IO也會釋放GIL另外一個問題是遇到IO也會釋放GIL，下面是這兩種情況的例子
import threadinga = []def m1(): for _ in range(100000): a.append(1)def m2(): for _ in range(100000): a.append(2)def check(): """ 檢查a是否有序 """ for i in range(len(a)): if i != 0: if a[i] < a[i-1]: print a[i-1], a[i] return False return Truet1 = threading.Thread(target=m1)t2 = threading.Thread(target=m2)t1.start()t2.start()t1.join()t2.join()print check()預期1111...22222...，截圖顯示跟預期的不同
import threadingtext1 = '1' * 10000text2 = '2' * 10000def write(text): with open('test.txt', 'a') as f: f.write(text)def m1(): write(text1)def m2(): write(text2)t1 = threading.Thread(target=m1)t2 = threading.Thread(target=m2)t1.start()t2.start()t1.join()t2.join()test.txt截圖
最後結論是，因為GIL的存在，python的多線程雖然可以利用多核CPU，但並不能讓多個核同時工作。
以上就是python多線程對多核cpu的利用解析的詳細內容，更多關於python多線程利用多核cpu的資料請關注軟件開發網其它相關文章！
