为什么这段Python多线程代码中GIL未发挥预期的并发保护作用?
为什么开启多线程后,即使有GIL,共享变量x的累加结果还是不准
- 首先要明确GIL的真实作用边界:GIL是Python解释器的全局互斥锁,它仅保证同一时刻只有一个线程在执行Python字节码,从设计之初就没有提供针对用户自定义共享变量的自动并发保护。
- 结果异常的核心原因,是
x += i根本不是一个原子操作。拆解这条语句对应的实际执行流程,一共分为三步独立的字节码步骤:- 从内存中读取全局变量
x的当前值,加载到当前线程的栈帧中 - 在栈帧内完成
x + i的数值计算 - 将栈帧中计算完成的新值,写回到全局变量
x对应的内存地址
- 从内存中读取全局变量
- GIL的线程调度切换,是在字节码执行的间隙触发的,完全可能刚好卡在上述三步的中间状态切到另一个线程。最典型的竞态场景如下:
初始值x=0,线程1要执行x += 1,线程2要执行x +=2
- 线程1执行完第一步,从内存读到x=0,还没完成后续计算
- GIL分配的时间片用完,切到线程2
- 线程2从内存读到x=0,算完0+2=2,写回内存,此时内存中的x=2
- GIL切回线程1,线程1接着计算之前读到的0+1=1,把结果写回内存,此时内存中的x直接被覆盖成1
两次独立的更新操作最终只生效了一次,这就是最终累加值远低于理论值、每次运行结果都不稳定的根本原因。
- 之前的认知偏差,本质是把GIL的作用等同于“给所有共享操作自动加互斥锁”。实际上GIL只负责保护解释器自身的内部状态安全,不会干预业务代码的执行逻辑,只要你的操作不是单字节码的原子操作,就存在被调度打断、产生竞态条件的可能。
- 如果要得到准确的1000万累加结果,必须在业务代码层面自行添加互斥保护,比如用
threading.Lock把整个x的读写更新流程包裹起来,保证从读值到写值的整个过程不被其他线程打断,才能彻底避免数据覆盖的问题。
内容的提问来源于stack exchange,提问作者gsb22
相关产品推荐
相关产品推荐

