本帖最后由 xqyqx 于 2022-5-10 16:03 编辑
0x00 前言
最近玩python时想实现多进程多线程混合运行，了解到了GIL（全局解释器锁）的存在，关于GIL，可以参见下面的官方文档
https://docs.python.org/zh-cn/3/glossary.html?highlight=gil#term-global-interpreter-lock
也就是说，python的多线程并不能实现真正意义上的并行，虽然多进程没有GIL的问题，但是创建进程的开销、内存占用以及通信效率都是多进程的问题（更何况多线程多进程我全都想要 ），所以我开始尝试修改Cpython的源码以去除GIL，但未果。
后来某次在GitHub上发现了一个去除GIL的项目，并且被认为“有希望在未来几年里真正进入 CPython”（项目地址：https://github.com/colesbury/nogil），本版python即基于此源码编译
0x01 过程
下载源码之后，查阅相关资料发现python源码可在Linux/Unix上直接编译运行（Linux/Unix的朋友可以直接去那个项目上git clone然后make就行了），但Windows上的编译却十分麻烦（主要是坑太多了），我便萌发了将其制作为安装包形式的想法。
查阅官方文档得知编译python源码需要VS2017环境，安装之后进入PCBuild文件夹，先下载依赖项，之后运行build.bat
第一次编译就报错了，后来经过多方排查后发现是该项目的作者使用了仅能运行于64位系统上的API函数，32位的编译就只能放弃了，执行命令：.\build.bat -p x64
编译完成，运行根目录下的python.bat即可打开python命令行
运行项目作者所修改版本中特有的命令：import sys; print(sys.flags.nogil)，无报错，编译成功
但是这虽然能在本机上使用，但不便于分发，源码中包含了太多不必要的文件，且文件位置与发行版python不符，因此需要将其做成msi安装包
制作msi安装包过程中的坑特别多，每次编译了半个小时左右就突然给你报错，网上关于这方面的信息少之又少，因此只能自己手动排查，排查过程这里就不再赘述
最终在.\PCBuild\AMD64\en-us目录下生成了安装包与embed包（解压即用）
编译完成留念：
0x02测试
安装过程挺顺利的，一次成功
全家福：
接下来我们来验证其是否真正去除了GIL
测试代码如下（多线程跑死循环）：
[Python] 纯文本查看 复制代码 from threading import Thread
import sys
def running():
while True:
pass
return True
def main():
thread_array = {}
for tid in range(8):
t = Thread(target=running)
t.start()
thread_array[tid] = t
for i in range(8):
thread_array.join()
if __name__ == '__main__':
main()
测试结果如下（对比测试环境为python3.9.5（即normal），测试时系统环境保持不变）：
3.9.9-nogil：
3.9.5-normal：
我的电脑是四核，因此如果带有GIL的话，理论CPU占用率不高于25%，但在nogil版本中cpu占用更是跑满，因此可以验证GIL已成功去除。
接下来我们来看一看去除GIL后的性能表现如何
我们用一个计数器来模拟CPU密集型任务：
[Python] 纯文本查看 复制代码 from threading import Thread
import time
import sys
def my_counter():
i = 0
for _ in range(100000000):
i = i + 1
return True
def main():
thread_array = {}
start_time = time.time()
for tid in range(2):
t = Thread(target=my_counter)
t.start()
thread_array[tid] = t
for i in range(2):
thread_array.join()
end_time = time.time()
print("Total time: {}".format(end_time - start_time))
if __name__ == '__main__':
main()
结果如下：
normal单线程：
nogil单线程：
normal多线程：
nogil多线程：
结果排名：nogil多线程>normal单线程>normal多线程>nogil单线程
可见去除GIL后多线程性能确实增加，但以单线程性能下降作为代价
再来用一个多任务测试（斐波那契、累加、阶乘，都运用了递归运算）：
[Python] 纯文本查看 复制代码 import threading
import time
class MyThread(threading.Thread):
def __init__(self, func, args, name=''):
threading.Thread.__init__(self)
self.name = name
self.func = func
self.args = args
def getResult(self):
return self.res
def run(self):
self.res = self.func(*self.args)
def fib(x):
if x < 2:
return 1
return (fib(x - 2) + fib(x - 1))
def fac(x):
if x < 2:
return 1
return (x * fac(x - 1))
def sum(x):
if x < 2:
return 1
return (x + sum(x - 1))
funcs = [fib, fac, sum]
n = 35
def main():
nfuncs = range(len(funcs))
print('*** SINGLE THREAD')
start_time = time.time()
for i1 in range(3):
for i in nfuncs:
print(funcs(n))
end_time = time.time()
print("Total time: ",format(end_time - start_time))
print('\n*** MULTIPLE THREADS')
start_time = time.time()
threads = []
for i in nfuncs:
t1 = MyThread(funcs, (n, ), funcs.__name__)
t2 = MyThread(funcs, (n, ), funcs.__name__)
t3 = MyThread(funcs, (n, ), funcs.__name__)
threads.append(t1)
threads.append(t2)
threads.append(t3)
for i in range(9):
threads.start()
for i in range(9):
threads.join()
print(threads.getResult())
end_time = time.time()
print("Total time: ",format(end_time - start_time))
print('all DONE')
if __name__ == '__main__':
main()
结果如下：
normal：
nogil：
可见在递归上nogil不管是单线程还是多线程都吊打normal
总的来说如果使用nogil版的python解释器的话，在其中运用多线程会获得不错的性能，但同时也应当在编程中注意避免使用单线程，还要注意线程安全问题
0x03 结果
两个文件，exe为安装包，压缩包为解压即用
腾讯哈勃扫描结果：
https://habo.qq.com/file/showdetail?md5=ae9b7507e2575b7c1d8f87354819b65f
https://habo.qq.com/file/showdetail?md5=c6ab002a9e353cc742add4f4cbb147d4
仅供测试所用，请勿用于实际生产环境
下载地址.txt
(150 Bytes, 下载次数: 56)
| 
楼主
，这些流行的语言都会搞，大神，