導語

python

在編程世界里，Python 語言以其簡潔的語法和龐大的生態(tài)系統(tǒng)，贏得了無數(shù)開發(fā)者的青睞。然而，一個長期存在的設計卻讓它在多核處理器時代備受詬病，那就是“全局解釋器鎖”（Global Interpreter Lock，簡稱 GIL）。許多來自其他編程語言的軟件工程師會因此得出一個結論：“Python 很慢！”。如今，這場曠日持久的爭論終于迎來了歷史性的轉折。一項名為 PEP 703 的提案已被 Python 社區(qū)正式接受，計劃在未來幾年內(nèi)，逐步移除 GIL。

這不僅僅是一次技術更新，它預示著 Python 即將解開長久以來束縛其多線程并行能力的枷鎖。本文將帶您深入了解 GIL 的前世今生，剖析它為何成為性能瓶頸，并詳細解讀 PEP 703 提案將如何引領 Python 邁入一個真正的多核新時代。更重要的是，我們將提供一份詳盡的實操指南，教您如何在自己的電腦上安裝并親身體驗沒有 GIL 的 Python。

一、GIL 是什么？一個愛恨交織的歷史遺產(chǎn)

要理解這場變革的意義，我們首先需要弄明白 GIL 究竟是什么。

簡單來說，全局解釋器鎖（GIL）本質(zhì)上是一個互斥鎖（mutex），它的核心作用是確保在任何一個時刻，只有一個線程能夠執(zhí)行 Python 的字節(jié)碼。想象一下，Python 解釋器是一個工作間，多個線程是多個工人，而 GIL 就是這個工作間唯一的門禁卡。無論有多少個工人（線程）排隊，只有拿到門禁卡的那一個才能進入工作間干活，其他工人則必須在門外等待。

這個設計誕生于上世紀 90 年代初期，當時的主流計算機普遍使用單核 CPU。在那個年代，GIL 的存在是一個非常明智的選擇。它極大地簡化了 Python 語言自身的設計，為開發(fā)者提供了一種簡單直接的線程安全保障，避免了復雜的內(nèi)存管理問題。同時，它也簡化了 Python 與 C 語言編寫的擴展庫（C extensions）的集成過程，這在很大程度上促進了 Python 生態(tài)的早期繁榮和穩(wěn)定，為其快速贏得開發(fā)者社群的喜愛奠定了基礎。可以說，在特定的歷史時期，GIL 是 Python 成功的功臣之一。

然而，時間快進到 2025 年的今天，單核 CPU 早已成為歷史的塵埃，多核處理器成為了個人電腦和服務器的標配。曾經(jīng)的優(yōu)勢，如今卻成了 Python 發(fā)展的最大掣肘之一。

二、時代變了，GIL 為何成為性能瓶頸？

任何一項技術決策，都帶有其時代背景的烙印，也必然會帶來相應的后果。GIL 這個大膽的語言設計選擇，其最直接的后果就是：Python 的多線程無法真正實現(xiàn)并行計算。

在一個擁有 8 核 CPU 的現(xiàn)代計算機上，理論上我們可以同時運行 8 個計算任務。但是，由于 GIL 的存在，一個 Python 進程即使創(chuàng)建了 8 個線程，這 8 個線程也無法同時利用這 8 個 CPU 核心。它們依然需要排隊爭搶唯一的 GIL，本質(zhì)上還是在單個核心上進行著高速的、輪流的“偽并行”執(zhí)行。這使得 Python 在處理 CPU 密集型（CPU-bound）的多線程任務時，表現(xiàn)得非常低效。例如，進行大規(guī)模科學計算、數(shù)據(jù)分析或者復雜的算法處理時，多線程帶來的性能提升微乎其微。

為了繞過這個巨大的限制，開發(fā)者社區(qū)在過去幾十年里探索出了多種變通方案。

• 多進程（Multiprocessing）：既然一個進程內(nèi)的多線程無法并行，那就創(chuàng)建多個獨立的進程。每個進程都有自己獨立的 GIL 和內(nèi)存空間，操作系統(tǒng)可以將這些進程分配到不同的 CPU 核心上，從而實現(xiàn)真正的并行計算。
• 使用外部庫：利用像 NumPy 或 Cython 這樣的庫，將計算密集型的任務“外包”給由 C 或其他編譯型語言編寫的底層代碼執(zhí)行。這些底層代碼不受 GIL 的限制，可以充分利用多核性能。

雖然這些變通方案在實踐中確實有效，但它們也帶來了新的問題：引入了額外的復雜性、進程間通信的開銷以及更高的資源消耗。這就像是為了解決一個問題，又不得不引入好幾個新的工具和流程，增加了整個項目的維護難度。

因此，在 Python 社區(qū)內(nèi)部，徹底移除 GIL 的呼聲從未停止。然而，這并非易事。就連 Python 的創(chuàng)造者 Guido van Rossum 也曾撰文坦言，移除 GIL 極其困難。他表示，如果有一個方案能在不損害單線程程序性能、不破壞向后兼容性的前提下移除 GIL，他會非常歡迎，但要同時滿足這些條件是極為苛刻的挑戰(zhàn)。

正因如此，多年來 Python 社區(qū)一直沒有一個明確且可行的計劃來移除 GIL，直到 PEP 703 方案的出現(xiàn)，才真正帶來了破局的希望。

三、PEP 703：一個沒有 GIL 的勇敢新世界

PEP 703 是由開發(fā)者 Sam Gross 提出并被社區(qū)接受的一項提案，其核心目標是讓 GIL 成為一個可選項。

需要明確的是，該提案并非要立即在所有 Python 版本中廢除 GIL，而是引入了一個新的編譯時選項 --disable-gil。開發(fā)者可以通過這個構建配置標志，來編譯一個不包含 GIL 的、實驗性的 Python 版本。

Sam Gross 的創(chuàng)新方法成功地解決了過去移除 GIL 時遇到的幾個核心障礙：

• 有偏向的引用計數(shù) (Biased Reference Counting)：這是解決 GIL 移除后線程安全內(nèi)存管理的關鍵。它通過為每個線程設置本地的引用計數(shù)器，來減少多線程環(huán)境下頻繁加鎖帶來的性能開銷。
• 不朽對象 (Immortal Objects)：對于像整數(shù)、單例等頻繁使用且不可變的對象，將它們標記為“不朽”，使其引用計數(shù)永遠不會改變。這樣一來，就無需在多線程訪問這些對象時進行不必要的加鎖操作，從而提升效率。
• 線程安全的內(nèi)存管理 (Thread-safe Memory Management)：采用像 mimalloc 這樣的現(xiàn)代內(nèi)存分配器，來高效地處理并發(fā)環(huán)境下的內(nèi)存分配和回收操作，確保穩(wěn)定性和性能。

Python 指導委員會已經(jīng)接受了 PEP 703，并規(guī)劃了一個謹慎的、分階段的實施路線圖：

• 第一階段：Python 3.13 (2024年已發(fā)布)：提供一個可選的、無 GIL 的構建版本。此階段的主要目的是為了測試和收集社區(qū)的反饋，通過 --disable-gil 編譯標志來啟用。
• 第二階段：過渡階段 (約 2026–2027年)：計劃統(tǒng)一標準版和無 GIL 版的構建，屆時開發(fā)者或許可以在運行時通過開關來切換 GIL 的啟用狀態(tài)，這將大大簡化開發(fā)和部署流程。
• 第三階段：未來目標 (約 2028年以后)：讓無 GIL 的 Python 成為默認版本。到那時，Python 將徹底釋放其在多核處理器上的并行計算潛力，成為所有開發(fā)者的默認選擇。

理論說了很多，現(xiàn)在讓我們動手實踐一下，看看如何在自己的電腦上真正禁用 GIL。

以下步驟以 macOS 15.5 系統(tǒng)為例，其他操作系統(tǒng)上的流程應該類似，但具體操作可能略有不同。

第一步：下載 Python 3.13 安裝包

首先，我們需要訪問 Python 的官方網(wǎng)站，下載最新的 Python 3.13 安裝程序。請確保根據(jù)你的操作系統(tǒng)（Windows、macOS 等）選擇正確的版本。

第二步：在安裝過程中啟用實驗性功能

下載完成后，打開安裝程序。在“安裝類型”（Installation Type）這一步驟，你會看到一個關鍵選項：“Free-threaded Python [experimental]”（自由線程 Python [實驗性]）。這個選項默認是未勾選的，你必須手動勾選它，然后再繼續(xù)完成安裝。

第三步：安裝 SSL 證書

安裝完成后，在訪達（Finder）中打開 /Applications/Python 3.13/ 目錄，找到并執(zhí)行一個名為“Install Certificates.command”的腳本文件。這一步是為了給新安裝的 Python 配置 SSL 根證書，以便它能正常進行網(wǎng)絡請求等操作。

第四步：驗證安裝結果

完成以上步驟后，你的系統(tǒng)中實際上安裝了兩個 Python 3.13 應用：一個標準的 Python 3.13 和一個實驗性的 Python 3.13t。其中，末尾帶 't' 的就是我們期待的無 GIL 版本。

要使用它，只需在終端（Terminal）中輸入 python3.13t 即可。

為了驗證 GIL 是否真的被禁用了，我們可以打開兩個終端窗口，分別運行標準版和無 GIL 版的 Python，并輸入以下代碼： import sysconfig sysconfig.get_config_var("Py_GIL_DISABLED")

你會看到，在 python3.13 中，該命令返回 False 或 0；而在 python3.13t 中，它會返回 True 或 1。這證明我們已經(jīng)成功進入了沒有 GIL 的世界！。

五、性能實測：無 GIL 的 Python 究竟快了多少？

為了直觀感受性能差異，我們來運行一個簡單的測試腳本。這個腳本會創(chuàng)建 4 個線程，每個線程都執(zhí)行一個 CPU 密集型的計算任務。

import threadingimport time# 一個消耗 CPU 的計算任務def cpu_bound_task(n, thread_id):count = 0for i in range(n):count += i*iN = 100000000 # 設定一個較大的計算量def run_with_threads():threads = []start = time.time()# 創(chuàng)建并啟動 4 個線程for i in range(4):t = threading.Thread(target=cpu_bound_task, args=(N, i))threads.append(t)t.start()# 等待所有線程執(zhí)行完畢f(xié)or t in threads:t.join()end = time.time()print(f'總耗時: {end - start:.2f} 秒')if __name__ == '__main__':run_with_threads()

測試結果：

1. 使用標準 Python 3.13 運行：在終端輸入 python3.13 your_script_name.py。 得到的運行時間是13.51 秒
2. 使用無 GIL 的 Python 3.13t 運行：在終端輸入 python3.13t your_script_name.py。 得到的運行時間是3.74 秒！。

結果一目了然。在多線程執(zhí)行 CPU 密集型任務時，無 GIL 的 Python 耗時僅為標準版的約 1/3.6。數(shù)字雄辯地證明了：沒有了 GIL，Python 終于實現(xiàn)了真正的多線程并行計算。

六、未來展望：開發(fā)者現(xiàn)在應該做什么？

“要不要 GIL”，這個問題在 Python 社區(qū)爭論了多年，在可預見的未來，它將不再是一個問題。

這場變革得到了社區(qū)的廣泛支持，尤其是來自數(shù)據(jù)科學和人工智能領域的工程師們，他們熱切期盼著這次性能飛躍。包括 Meta 在內(nèi)的一些科技巨頭，也已經(jīng)投入了大量資源來支持這一過渡。

那么，對于廣大的 Python 開發(fā)者來說，這意味著什么？我們現(xiàn)在應該怎么做？

最重要的一條建議是：現(xiàn)階段，請不要在生產(chǎn)環(huán)境中使用無 GIL 的 Python。

當前發(fā)布的 Python 3.13 無 GIL 版本，其定位僅僅是一個“實驗性”構建。關于它的兼容性、長期穩(wěn)定性以及整個生態(tài)系統(tǒng)（尤其是大量的第三方庫）的適配情況，都還存在許多不確定性，需要時間來逐步完善和檢驗。

但是，我們絕對應該對此保持密切關注。移除 GIL 是 Python 發(fā)展史上的一個里程碑事件，它正在真實地發(fā)生。開發(fā)者可以開始在本地環(huán)境中進行實驗，了解其特性，并思考如何在未來的項目中利用這一優(yōu)勢。

人生苦短，我用 Python。現(xiàn)在，你又多了一個選擇 Python 的理由。這場激動人心的變革已經(jīng)拉開序幕，讓我們拭目以待。