引言

我們經常聽到"因為GIL的存在，python的多線程不能利用多核CPU"，現在我們暫且不提GIL，python能不能利用多核cpu，今天我做了一個實驗，代碼很簡單如下所示

while 1:
    pass

沒有運行這段代碼前cpu狀態

運行之后的狀態

下面兩張圖是運行之后的狀態，當然這只是兩張比較有代表性的圖，截圖間隔有十幾秒的樣子

根據第一張圖我們發現cpu1、cpu3的負載有明顯增長，我們可以得出python線程是可以利用多核cpu的結論，之前一直以為python運行后會綁定cpu其中的一個核心現在看來并不是這個樣子。第二張圖就比較有意思了cpu2滿載了，這又是為什么呢？

想來想去應該是linux中cpu對進程的親和性導致的，這種親和性是軟性的并不是強制的，這也就解釋了為什么第一張圖中是多cpu在負載。

ok為了更直觀的看出python線程能夠利用多核cpu，我們改下代碼，換一種方式再來看下

import os
while 1:
    print os.getpid() # 輸出進程號

運行代碼結果

一目了然，線程的確在不同的核心上切換。

現在我們回過頭看下那句經典的話"因為GIL的存在，python的多線程不能利用多核CPU"，這句話很容易讓人理解成GIL會讓python在一個核心上運行，有了今天的例子我們再來重新理解這句話，GIL的存在讓python在同一時刻只能有一個線程在運行，這毋庸置疑，但是它并沒有給線程鎖死或者說指定只能在某個cpu上運行，另外我需要說明一點的是GIL是與進程對應的，每個進程都有一個GIL。

python線程的執行流程理解

線程 ——>搶GIL——>CPU

這種執行流程導致了CPU密集型的多線程程序雖然能夠利用多核cpu時跟單核cpu是差不多的，并且由于多個線程搶GIL這個環節導致運行效率<=單線程。

看到這可能會讓人產生一種錯覺，有了GIL后python是線程安全的，好像根本不需要線程鎖，而實際情況是線程拿到CPU資源后并不是一直執行的，python解釋器在執行了該線程100條字節碼(注意是字節碼不是代碼)時會釋放掉該線程的GIL，如果這時候沒有加鎖那么其他線程就可能修改該線程用到的資源;

遇到IO也會釋放GIL

另外一個問題是遇到IO也會釋放GIL，下面是這兩種情況的例子

import threading
a = []
def m1():
    for _ in range(100000):
        a.append(1)
def m2():
    for _ in range(100000):
        a.append(2)
def check():
    """
    檢查a是否有序
    """
    for i in range(len(a)):
        if i != 0:
            if a[i] < a[i-1]:
                print a[i-1], a[i]
                return False
    return True
t1 = threading.Thread(target=m1)
t2 = threading.Thread(target=m2)
t1.start()
t2.start()
t1.join()
t2.join()
print check()

預期1111...22222...，截圖顯示跟預期的不同

import threading
text1 = '1' * 10000
text2 = '2' * 10000
def write(text):
    with open('test.txt', 'a') as f:
        f.write(text)
def m1():
    write(text1)
def m2():
    write(text2)
t1 = threading.Thread(target=m1)
t2 = threading.Thread(target=m2)
t1.start()
t2.start()
t1.join()
t2.join()

test.txt截圖

最后結論是，因為GIL的存在，python的多線程雖然可以利用多核CPU，但并不能讓多個核同時工作。