Python3.13禁用GIL方法及多线程实验、环境共存疑问

一、CPU密集型多线程性能对比案例 #

测试代码（质数计数） #

针对CPU密集型场景，用多线程处理大范围质数计算，直观对比GIL启用/禁用的差异：

import threading
import time

def is_prime(n):
    if n <= 1:
        return False
    for i in range(2, int(n**0.5) + 1):
        if n % i == 0:
            return False
    return True

def count_primes(start, end):
    count = 0
    for num in range(start, end):
        if is_prime(num):
            count += 1
    print(f"[{start}, {end}) 质数数量：{count}")

if __name__ == "__main__":
    start = time.time()
    # 拆分4个区间适配4核CPU
    intervals = [(1, 250000), (250000, 500000), (500000, 750000), (750000, 1000000)]
    threads = [threading.Thread(target=count_primes, args=interval) for interval in intervals]
    
    for t in threads:
        t.start()
    for t in threads:
        t.join()
    
    print(f"总耗时：{time.time() - start:.2f} 秒")

运行与结果 #

• GIL启用（默认）：执行命令 python3.13 prime_test.py，受GIL限制，多线程实际串行执行，4核CPU下耗时约8-10秒。
• GIL禁用：执行命令 python3.13 --disable-gil prime_test.py，多线程真正并行利用多核，耗时约2-3秒（接近4倍提速，与核心数匹配）。

注：IO密集型任务（如网络请求、文件读写）原本受GIL影响极小，禁用GIL后性能提升不明显。

二、同一环境能否同时运行带/不带GIL的程序？ #

可以。--disable-gil是进程级参数，每个Python进程独立决定是否禁用GIL：

• 可同时启动两个终端，一个运行默认带GIL的程序，另一个用--disable-gil启动无GIL程序，两者完全独立，互不干扰。
• 注意：单个进程内无法切换GIL状态，启动时的参数决定了整个进程的GIL模式；无GIL模式下使用的C扩展必须适配无GIL环境，否则可能出现数据竞争或崩溃。

三、PEP 703核心内容（中文翻译） #

PEP 703：移除全局解释器锁（GIL）并引入可选无GIL构建

核心要点：

• 可选模式：Python 3.13起提供编译选项和运行时参数--disable-gil，用户可自主选择是否禁用GIL，默认仍保留GIL以兼容现有代码。
• 内存模型优化：为支持无GIL，重构了内存管理机制，采用每对象引用计数和原子操作，避免多线程下的数据竞争。
• 性能目标：多CPU核心机器上，CPU密集型多线程任务可获得接近线性的性能提升（核心数越多，效果越显著）。
• 扩展适配：C扩展需修改以支持无GIL环境，官方提供了迁移指南和工具，逐步推进生态兼容。

内容的提问来源于stack exchange，提问作者ADITYA GUPTA