第37條 線程執行阻塞式I/O，但不能用來做平行計算

標準的Python實現叫做CPython。CPython分兩步用來運行Python程序：

• 1.首先，將文本形式的源代碼解析並編譯成字節碼；
• 2.然後，用一種基於棧的解釋器運行這份字節碼。

執行Python程序時，字節碼解釋器必須保持協調一直的狀態。Python採用全局解釋器鎖（GIL）機制來實現這種協調性。

GIL實際上是一把互斥鎖，用來防止CPython受到搶佔式多線程切換操作的干擾。但是，GIL有一個顯著的缺點在於，C++和Java等語言的多線程程序可以充分利用CPU的多核，而Python編寫的多線程程序，受到GIL保護，同一時刻，只有一條線程可以執行。

案例1：利用Python進行因數分解算法。

from time import  time

def factorize(number):
    for i in range(1, number+1):
        if number % i == 0:
            yield i
            
if __name__ == '__main__':
    numbers = [2149000, 3902300, 8390202, 10008375]
    start = time()
    for number in numbers:
        list(factorize(number))
    end = time()
    print("Spend time %.3f seconds" % (end-start))

輸出結果：

Spend time 2.022 seconds

改成使用Python的多線程程序：

from threading import Thread
from time import time

def factorize(number):
    for i in range(1, number+1):
        if number % i == 0:
            yield i
            
class FactorizeThread(Thread): ##繼承Thread
    def __init__(self,number):
        super().__init__()
        self.number = number
    def run(self):
        self.factors = list(factorize(self.number))
        
if __name__ == '__main__':
    numbers = [2149000, 3902300, 8390202, 10008375]
    start = time()
    threads = []
    for number in numbers:
        thread = FactorizeThread(number)
        thread.start()
        threads.append(thread)
        
    for thread in threads:
        thread.join()
        
    end = time()
    print('Spend time %.3f seconds' %(end-start))

輸出結果：

Spend time 2.570 seconds

可以看出，多線程程序執行所花費的時間竟然更長。這樣的結果表明，標準的CPython解釋器的多線程程序受到GIL的影響。

儘管Python的多線程很雞肋，但是仍然可以應用在阻塞式的IO操作中，例如讀寫文件，網絡通訊等操作。同時，Python在多個線程中執行系統調用時，其可以實現平行地執行。Python線程在執行系統調用的時候會釋放GIL鎖，並且一直等到執行完畢纔會重新獲取它，所以GIL是不會影響系統調用的。