Python 的全局解释器锁（GIL）是 CPython 解释器中一把保护内部状态的互斥锁，它强制任何时刻只有一个线程能执行 Python 字节码。很多刚接触并发开发的工程师会疑惑，既然多核处理器已经普及，为什么 Python 官方不直接去掉这把锁。要回答这个问题，需要从 CPython 的内存管理模型和早期设计权衡说起。
GIL 为什么会存在
CPython 使用引用计数作为最主要的内存管理手段。每一个 Python 对象内部都维护着一个 ob_refcnt 字段，当计数值归零时对象立即被回收。如果多个线程同时修改同一个对象的引用计数，且没有锁保护，就会出现计数丢失、对象被提前释放或永不被释放的问题。GIL 以最简单粗暴的方式解决了这个问题：只要持锁的线程才能操作解释器核心数据结构。
除了引用计数，CPython 内部还有大量非线程安全的全局状态，例如小整数对象池、垃圾回收链表、导入系统缓存等。在二十世纪九十年代多核机器极为罕见，Guido 和设计者选择用一把全局锁换取实现简单与单线程高性能。此后生态中无数 C 扩展库都默认在 GIL 保护下编写，彻底移除 GIL 意味着重写大量底层代码并承担极大兼容性风险。
GIL 对多线程程序的实际影响
对于 IO 密集型任务，GIL 的影响相对较小。线程在等待网络、磁盘或数据库响应时会主动释放 GIL，其他线程便可获得执行机会。下面的代码模拟了并发抓取场景，多线程仍能提升整体吞吐：
import threading
import time
def fetch(n):
# 模拟 IO 等待，此时会释放 GIL
time.sleep(1)
print("task", n, "done")
threads = []
for i in range(5):
t = threading.Thread(target=fetch, args=(i,))
threads.append(t)
t.start()
for t in threads:
t.join()
但在 CPU 密集型场景下，由于线程不断执行字节码，GIL 的切换开销和轮流执行机制会让多线程几乎无法利用多核。我们用一个计算密集函数做对比：
import threading
def cpu_task():
total = 0
for i in range(10_000_000):
total += i
return total
# 单线程
start = time.time()
cpu_task()
cpu_task()
print("single thread cost", time.time() - start)
# 多线程
start = time.time()
t1 = threading.Thread(target=cpu_task)
t2 = threading.Thread(target=cpu_task)
t1.start(); t2.start()
t1.join(); t2.join()
print("multi thread cost", time.time() - start)
在四核机器上运行，多线程版本耗时往往接近甚至超过单线程版本，因为两个线程交替抢锁，还引入了上下文切换成本。这正是 GIL 最被人诟病的地方。
如何绕开 GIL 的限制
面对 GIL，常见做法是改用 multiprocessing 模块启动多进程。每个进程有独立的 Python 解释器和内存空间，自然不存在跨进程 GIL 争用。缺点是进程间通信必须借助队列或管道，数据拷贝开销大。
from multiprocessing import Process
def cpu_task():
total = 0
for i in range(10_000_000):
total += i
if __name__ == "__main__":
p1 = Process(target=cpu_task)
p2 = Process(target=cpu_task)
p1.start(); p2.start()
p1.join(); p2.join()
另外，将热点逻辑用 C 扩展（如 Cython、cffi）实现，并在原生代码中释放 GIL，也是科学计算库 NumPy 的常用手段。对于高并发网络服务，asyncio 协程在单线程内调度，反而避开了 GIL 争用，同时减少线程切换消耗。若项目从头开始且追求极致并发，也可评估 PyPy 或 Rust 改写关键模块。
小结与选型建议
GIL 不是 Python 语言的缺陷，而是 CPython 实现层面的历史妥协。它让单线程程序跑得更快、C 扩展更好写，却限制了 CPU 并行。写代码前应先判断任务类型：IO 密集可放心用 threading，CPU 密集优先 multiprocessing 或原生扩展，高并发服务考虑 asyncio。理解 GIL 的存在原因与影响，才能写出既正确又高效的 Python 程序。
Python_GIL多线程全局解释器锁修改时间：2026-08-03 19:24:22