ai-infra-interview-305

第 271 题：Python的GIL对多线程的影响？multiprocessing vs threading？

题目

Python的GIL对多线程的影响？multiprocessing vs threading？

---

完整讲解

一、GIL 是什么

GIL（Global Interpreter Lock）是 CPython 中一把进程级互斥锁，同一时刻只允许一个线程执行 Python 字节码。目的是保护解释器内部状态（如引用计数）一致，但导致多线程无法并行执行 Python 代码，多核 CPU 上多线程只能交替执行。

二、对多线程的影响

CPU 密集型：多线程几乎无法提速，甚至因切换与锁竞争变慢；应改用 multiprocessing 多进程，每进程独立解释器、各自有 GIL。IO 密集型：线程在等待 IO 时会释放 GIL，多线程可重叠 IO 与计算，threading 仍有价值；也可用 asyncio 单线程并发 IO。

三、multiprocessing vs threading

threading：共享内存、轻量，受 GIL 限制，适合 IO 密集或需共享状态的场景。multiprocessing：多进程、无 GIL 限制、可真并行，适合 CPU 密集；进程间通信用 Queue、Pipe 等，数据需可序列化。选型：CPU 密集用 multiprocessing；IO 密集用 threading 或 asyncio。

---

面试要点

• GIL：CPython 进程级锁，同一时刻仅一线程执行字节码；多线程无法并行执行 Python。
• CPU 密集：多线程几乎不加速，用 multiprocessing；IO 密集：线程在 IO 时释放 GIL，threading 有用。
• multiprocessing = 多进程、无 GIL、真并行；threading = 轻量、共享内存、受 GIL 限制。
• 选型：CPU 密集用进程；IO 密集用线程或 asyncio。

---

记忆要点

1. GIL 导致多线程不能并行执行 Python 字节码。
2. CPU 密集用 multiprocessing；IO 密集用 threading 或 asyncio。
3. 进程间不共享内存、需序列化；线程共享内存、受 GIL 限制。

返回模块

返回总览