上一篇文章我们留下了一个问题：
在进行hash计算中，Python的多线程为什么比单线程还要慢？换句话说，为什么Python的多线程程对hash运算没有效果？
那就是因为Python的多线程是伪多线程。这篇文章，我就带领大家验证Python的多线程是为多线程。以及在什么情况下，为多线程也能起到提高程序性能的作用。
GIL介绍
Global interpreter lock (GIL)，全局解释器锁 ，要解释GIL我们首先得了解什么是锁。
**锁机制：**并发访问共享资源，如果不加锁，可能会导致数据不一致问题，通常为了解决并发访问问题，我们都会在访问共享资源之前加锁，保证同一时刻只有一个线程访问。
举个例子，线程A和线程B同时对一个变量C进行加1操作。在某一个时刻，A读取了C的值6，紧接着被挂起。CPU被B占用，此时B也读了C的值，也为6并执行完加1操作。那此时C的值为7。这时CPU流转到线程A，A被唤醒，执行完加1操作，由于在被挂起前已经读取了C的值为6，那么此时A线程A也将C的值变为7。这就背离了我们使用两个线程的初衷。为了避免这种情况，就必须引进锁的概念。
扩展阅读
/*https://github.com/python/cpython/blob/main/Python/ceval_gil.h */
static void _gil_initialize(struct _gil_runtime_state *gil)
{
_Py_atomic_int uninitialized = {-1};
gil->locked = uninitialized;
gil->interval = DEFAULT_INTERVAL;
}
static int gil_created(struct _gil_runtime_state *gil)
{
return (_Py_atomic_load_explicit(&gil->locked, _Py_memory_order_acquire) >= 0);
}
static void create_gil(struct _gil_runtime_state *gil)
{
MUTEX_INIT(gil->mutex);
#ifdef FORCE_SWITCHING
MUTEX_INIT(gil->switch_mutex);
#endif
COND_INIT(gil->cond);
#ifdef FORCE_SWITCHING
COND_INIT(gil->switch_cond);
#endif
_Py_atomic_store_relaxed(&gil->last_holder, 0);
_Py_ANNOTATE_RWLOCK_CREATE(&gil->locked);
_Py_atomic_store_explicit(&gil->locked, 0, _Py_memory_order_release);
}复制
从GIL锁的源码中，我们大致可以看出其本质是互斥锁。而且是全局的互斥锁。所以，当Python多线程被执行的时候，实际上只有一个线程可以使用CPU。
为什么网络请求和保存文件的操作使用Python多线程会快很多呢？
这是因为这两者都属于IO密集型操作，而IO操作是不占用CPU的，交由IO总线完成。所以在线程调用完读写命令后，紧接着被挂起，也是不影响IO总线继续执行读写的命令的。
体验GIL
这里我们使用两个程序验证GIL锁的存在
# countdown.py
import threading
from utils import Timer
cnt = 10000000
def cuntdown():
global cnt
while cnt > 0:
cnt -= 1
def single_thread():
tick = Timer()
cuntdown()
print(f'single_thread 共耗时 {tick.tick()}s')
def multi_thread():
tick = Timer()
t1 = threading.Thread(target=cuntdown)
t2 = threading.Thread(target=cuntdown)
t1.start()
t2.start()
t1.join()
t2.join() # 等待此线程结束
print(f'multi_thread 共耗时 {tick.tick()}s')
if __name__ == '__main__':
# single_thread()
multi_thread()复制
猜想
单线程是一个线程在使用CPU运算循环减1的操作，多线程是2个线程使用CPU运算循环减1的操作。如果是真并发编程的话，多线程肯定用的时间会比单线程少。
实验结果(计5次运行结果的平均值)
单线程 多线程 1.04s 1.55s
由实验结果可以看出，多线程模式下并没有达到我们预期的效果。反而由于线程间切换耗时，降低了程序的性能。间接可以判断python的多线程是伪多线程。
接下来我们再通过一个更直观的例子来证明python是伪多线程。（实验环境为 2核2线程Ubuntu18.04 虚拟机）
import threading
cnt = 0
def consumer():
global cnt
while True:
cnt -= 1
def producer():
global cnt
while True:
cnt += 1
if __name__ == '__main__':
t1 = threading.Thread(target=producer)
t2 = threading.Thread(target=consumer)
t1.start()
t2.start()复制
如果python的多线程是真并发，那么运行上面的程序，消费者线程和生产者线程同时运行，将会使2核2线程的cpu完全被使用。那么我们运行一下看看结果吧。
(base) vagrant@ubuntu-bionic:~/code/pythonCoroutine$ sar -u 1 100
Linux 4.15.0-162-generic (ubuntu-bionic) 11/24/21 _x86_64_ (2 CPU)
02:49:34 CPU %user %nice %system %iowait %steal %idle
02:49:35 all 50.00 0.00 0.00 0.00 0.00 50.00
02:49:36 all 50.25 0.00 0.00 0.00 0.00 49.75
02:49:37 all 49.75 0.00 0.00 0.00 0.00 50.25
02:49:38 all 50.25 0.00 0.00 0.00 0.00 49.75
02:49:39 all 50.00 0.00 0.00 0.00 0.00 50.00
02:49:40 all 49.75 0.00 0.00 0.00 0.00 50.25
02:49:41 all 50.00 0.00 0.00 0.00 0.00 50.00
02:49:42 all 50.25 0.00 0.00 0.00 0.00 49.75
02:49:43 all 50.00 0.00 0.00 0.00 0.00 50.00复制
可以很清楚的发现 **%idle（CPU空置率）**是50%左右，也就是说在同一时刻，只有一个核心被使用。从这个例子，我们可以直观的判断，Python的多线程并不是真正的多线程。
文章中的源代码获取
长按/扫描关注，发送 pc 获取源代码
