python dict是線程安全的嗎？list的任何操作的行為都應(yīng)該是安全的，比如代碼lst [] lst [0] 1的Python虛擬機(jī)執(zhí)行的對(duì)應(yīng)字節(jié)碼序列是:load _ const 1(1)lo

python dict是線程安全的嗎？

list的任何操作的行為都應(yīng)該是安全的，比如代碼lst [] lst [0] 1的Python虛擬機(jī)執(zhí)行的對(duì)應(yīng)字節(jié)碼序列是:load _ const 1(1)load _ fast 0(lst)load _ const 2(0)STORE _ SUBSCR。存儲(chǔ)數(shù)據(jù)的操作發(fā)生在store _ subscr字節(jié)碼中。這里需要明確的是，Python虛擬機(jī)的線程調(diào)度，或者說(shuō)中斷機(jī)制，是基于字節(jié)碼的，也就是說(shuō)一個(gè)字節(jié)碼操作可以認(rèn)為是一個(gè)原子操作，所以STORE _ SUBSCR即使在多線程環(huán)境下也不會(huì)被中斷，并且可以成功完成，所以list的任何操作的行為都是確定的。

Python多進(jìn)程和多線程是雞肋嘛？

GIL的存在一直備受爭(zhēng)議，這使得Python程序無(wú)法真正利用現(xiàn)代操作系統(tǒng)的多進(jìn)程特性。需要注意的是，I/O圖形處理和NumPy數(shù)學(xué)計(jì)算等耗時(shí)的操作都發(fā)生在GIL之外，基本上不受影響。真正受影響的是Python字節(jié)碼的執(zhí)行，GIL會(huì)導(dǎo)致性能瓶頸。簡(jiǎn)而言之，只有當(dāng)純Python用于CPU密集型多線程時(shí)，GIL才會(huì)成為問(wèn)題。

什么是GIL？Python s代碼執(zhí)行由Python虛擬機(jī)控制(也叫解釋器主循環(huán)，CPython版本)。Python最初被設(shè)計(jì)成只有一個(gè)線程在解釋器主循環(huán)中運(yùn)行。也就是說(shuō)，每個(gè)CPU在任何時(shí)候都只有一個(gè)線程在解釋器中運(yùn)行。對(duì)Python虛擬機(jī)的訪問(wèn)由全局解釋鎖GIL控制，它控制一次只能運(yùn)行一個(gè)線程。-單核CPU下的多線程其實(shí)是并發(fā)的，不是并行的。

并發(fā)和并行的區(qū)別

并發(fā)性:兩個(gè)或多個(gè)事件在同一時(shí)間間隔內(nèi)發(fā)生，或者交替做不同的事件，或者交替執(zhí)行不同的代碼塊的能力。并行性:兩個(gè)或多個(gè)事件同時(shí)發(fā)生，或者同時(shí)執(zhí)行不同事件，或者同時(shí)執(zhí)行不同代碼塊的能力。

并發(fā)和并行的含義

并發(fā)和并行都可以處理 "多任務(wù) "，兩者的主要區(qū)別在于多任務(wù)是否 "同時(shí)進(jìn)行 "。但是涉及到任務(wù)分解(有順序依賴(lài)耦合度高的任務(wù)不能并行)、任務(wù)操作(互斥、加鎖、共享等。)，以及結(jié)果合并。

Python中的多線程在Python多線程下，每個(gè)線程的執(zhí)行模式如下:

有兩種機(jī)制可以讓GIL切換到這個(gè)線程來(lái)執(zhí)行正在運(yùn)行的代碼:指定數(shù)量的字節(jié)碼指令(100)，15ms的固定時(shí)間，線程主動(dòng)讓步控制，以及將線程設(shè)置為睡眠狀態(tài)。松開(kāi)GIL，再次重復(fù)上述步驟。在Python2中，解釋器解釋執(zhí)行任何Python代碼時(shí)，都需要先獲得這個(gè)鎖(只有一個(gè)獲得了GIL的線程在同時(shí)運(yùn)行，其他所有線程都在等待GIL釋放)，遇到I/O操作時(shí)，這個(gè)鎖就會(huì)被釋放。如果是沒(méi)有I/O操作的純計(jì)算程序，解釋器會(huì)每100次操作釋放一次鎖，讓其他線程有機(jī)會(huì)執(zhí)行(這個(gè)數(shù)字可以通過(guò)調(diào)整)。正是這樣的設(shè)定，多線程CPU密集型計(jì)算顯得很雞肋，下面就說(shuō)說(shuō)為什么。

在python3中，GIL不使用滴答計(jì)數(shù)(100次，釋放GIL)，而是使用定時(shí)器(執(zhí)行時(shí)間達(dá)到15ms閾值后，當(dāng)前線程釋放GIL)，使得執(zhí)行次數(shù)更多，釋放次數(shù)更少，對(duì)CPU密集型程序更友好，但仍然沒(méi)有解決GIL一次只能執(zhí)行一個(gè)線程的問(wèn)題，所以效率還是不盡如人意。

Python s多線程一個(gè)雞肋？CPU密集型(各種循環(huán)處理，計(jì)數(shù)等。)，在這種情況下，滴答數(shù)很快就會(huì)達(dá)到閾值，然后觸發(fā)GIL的釋放和重新競(jìng)爭(zhēng)(多線程來(lái)回切換需要資源)，所以python中的多線程對(duì)CPU密集型代碼并不友好，會(huì)觸發(fā)相當(dāng)頻繁的線程切換。

IO密集型(文件處理、網(wǎng)絡(luò)爬蟲(chóng)等。)，多線程可以有效提高效率(如果單線程下有IO操作，就會(huì)等待IO，造成不必要的時(shí)間浪費(fèi)，而開(kāi)啟多線程可以在線程A等待的同時(shí)自動(dòng)切換到線程B，不會(huì)浪費(fèi)CPU資源，從而提高程序執(zhí)行效率。一個(gè)線程從GIL獲得一個(gè)消息，然后等待返回消息(阻塞)，Python在這個(gè)時(shí)候釋放GIL。其他線程得到GIL發(fā)送的消息，然后等待返回消息(阻塞)........................................................................................................................................................所以python 的多線程對(duì)IO密集型代碼很友好。

結(jié)論是什么？I/O密集型使用多線程并發(fā)執(zhí)行提高效率，計(jì)算密集型使用多處理并行執(zhí)行提高效率。通常程序中既包含IO操作，又包含計(jì)算操作，所以這種情況下，在開(kāi)始并發(fā)任務(wù)之前，可以先測(cè)試一下，測(cè)試一下多線程多進(jìn)程哪種方法效率高。

請(qǐng)注意:多核多線程比單核多線程差。多核多進(jìn)程下，CPU1釋放GIL后，其他CPU上的線程會(huì)競(jìng)爭(zhēng)，但GIL可能馬上被CPU1拿走，CPU2釋放GIL后...其他CPU上被喚醒的線程將被喚醒。等待切換時(shí)間后會(huì)進(jìn)入待調(diào)度狀態(tài)，會(huì)造成線程抖動(dòng)，導(dǎo)致效率降低。

多線程下的CPU密集型計(jì)算并非不可救藥。ctypes可以繞過(guò)GIL，讓py直接調(diào)用C動(dòng)態(tài)庫(kù)的任何導(dǎo)出函數(shù)。我們要做的就是用C/C把關(guān)鍵部分寫(xiě)成Python擴(kuò)展，而且ctypes會(huì)在調(diào)用C函數(shù)之前釋放GIL。

同時(shí)可以了解下一個(gè)進(jìn)程，也就是微線程。

協(xié)成最大的優(yōu)勢(shì)就是極高的執(zhí)行效率。因?yàn)樽映绦蚯袚Q不是線程切換，而是由程序本身控制，所以沒(méi)有線程切換的開(kāi)銷(xiāo)。與多線程相比，線程越多，協(xié)程的性能優(yōu)勢(shì)就越明顯。

第二個(gè)好處是不需要多線程鎖機(jī)制，因?yàn)橹挥幸粋€(gè)線程，不存在同時(shí)寫(xiě)變量的。在協(xié)調(diào)過(guò)程中，只需要判斷狀態(tài)，不需要鎖定共享資源，因此執(zhí)行效率遠(yuǎn)高于多線程。

因?yàn)檫M(jìn)程是一個(gè)線程執(zhí)行的，如何使用多核CPU？最簡(jiǎn)單的方法就是多進(jìn)程協(xié)調(diào)，既充分利用了多核，又充分發(fā)揮了協(xié)調(diào)的高效率，可以獲得極高的性能。