它来了！真正的 python 多线程

真正,python,多线程 · 浏览次数 : 262

小编点评

```python # Main interpreter ID: Interpreter(id=0, isolated=None) print(f"Main interpreter ID: {main}") # Sub-interpreter: Interpreter(id=1, isolated=True) print(f"Sub-interpreter: {interp}") # Created Thread: Thread(id=1, name='Created Thread') print(f"Created Thread: {t1}") # First running Thread: Thread(id=2, name='First running Thread') print(f"First running Thread: {t2}") # Second running Thread: Thread(id=2, name='Second running Thread') print(f"Second running Thread: {t2}") # Channel: RecvChannel(id=0, SendChannel(id=0) print(f"Channel: {r}, {s}") # Received: b'spam' print(f"Received: {obj}") # Interpreter(id=7, isolated=None)run_in_thread(code) print(f"Interpreter(id=7, isolated=None)run_in_thread(code)") # Interpreter(id=8, isolated=None)run_in_thread(code) print(f"Interpreter(id=8, isolated=None)run_in_thread(code)") ``` ``` spam Received: b'spam' Interpreter(id=7, isolated=None)run_in_thread(code) Interpreter(id=8, isolated=None)run_in_thread(code) ```

正文

哈喽大家好，我是咸鱼

几天前，IBM 工程师 Martin Heinz 发文表示 python 3.12 版本回引入"Per-Interpreter GIL”，有了这个 Per-Interpreter 全局解释器锁，python 就能实现真正意义上的并行/并发

我们知道，python 的多线程/进程并不是真正意义上的多线程/进程，这是因为 python GIL （Global Interpreter Lock）导致的

而即将发布的 Python 3.12 中引入了名为 "Per-Interpreter GIL" 的新特性，能够实现真正的并发

接下来我们来看下这篇文章，原文链接如下：

https://martinheinz.dev/blog/97

译文

Python 到现在已经 32 岁了，但它到现在还没有实现适当的、真正的并发/并行

由于将在 Python 3.12 （预计 2023 年 10 月发布）中引入 “Per-Interpreter GIL”(全局解释器锁)，这种情况将会被改变

虽然距离 python 3.12 的发布还有几个月的时间，但是相关代码已经实现了。所以让我们提前来了解一下如何使用子解释器 API（ub-interpreters API）来编写出真正的并发Python代码

子解释器（Sub-Interpreters）

我们首先来看下这个 “Per-Interpreter GIL” 是如何解决 Python 缺失适当并发性这个问题的

简单来讲，GIL(全局解释器锁)是一个互斥锁，它只允许一个线程控制 Python 解释器（某个线程想要执行，必须要先拿到 GIL ，在一个 python 解释器里面，GIL 只有一个，拿不到 GIL 的就不允许执行）

这就意味着即使你在 Python 中创建多个线程，也只会有一个线程在运行

随着 “Per-Interpreter GIL” 的引用，单个 python 解释器不再共享同一个 GIL。这种隔离级别允许每个子 python 解释器真正地并发运行

这意味着我们可以通过生成额外的子解释器来绕过 Python 的并发限制，其中每个子解释器都有自己的GIL（拿到一个 GIL 锁）

更详细的说明请参见 PEP 684，该文档描述了此功能/更改：https://peps.python.org/pep-0684/#per-interpreter-state

如何安装

想要使用这个新功能，我们需要安装最新的 python 版本，这需要源码编译安装

# https://devguide.python.org/getting-started/setup-building/#unix-compiling
git clone https://github.com/python/cpython.git
cd cpython

./configure --enable-optimizations --prefix=$(pwd)/python-3.12
make -s -j2
./python
# Python 3.12.0a7+ (heads/main:22f3425c3d, May 10 2023, 12:52:07) [GCC 11.3.0] on linux
# Type "help", "copyright", "credits" or "license" for more information.

C-API 在哪里

现在我们已经安装好了最新版本，那么我们该如何使用子解释器呢？我们可以直接通过 import 来导入吗？不幸的是，还不能

正如 PEP-684 中指出的: ...this is an advanced feature meant for a narrow set of users of the C-API.

Per-Interpreter GIL 的特性目前只能通过 C-API 使用，还没有直接的接口供开发人员使用

接口预计会在 PEP 554中出现，如果大家能够接受，它应该会在 Python 3.13 中出现，在这个版本出现之前，我们必须自己想办法来实现子解释器

虽然还没有相关文档，也没有相关模块可以导入，但 CPython 代码库中有一些代码段向我们展示了如何使用它：

方法一：我们可以使用 _xxsubinterpreters 模块（因为是通过 C 实现的，所以命名比较奇怪，而且在 python 中不能够简单地去检查代码）
方法二：可以使用 CPython 的 test 模块，该模块具有用于测试的示例 Interpreter（和 Channel）类

# Choose one of these:
import _xxsubinterpreters as interpreters
from test.support import interpreters

通常情况下我们一般用上面的第二种方法来实现

我们已经找到了子解释器，但我们还需要通过 test 模块去借用一些辅助函数，以便将代码传递给子解释器，辅助函数如下

from textwrap import dedent
import os
# https://github.com/python/cpython/blob/
#   15665d896bae9c3d8b60bd7210ac1b7dc533b093/Lib/test/test__xxsubinterpreters.py#L75
def _captured_script(script):
    r, w = os.pipe()
    indented = script.replace('\n', '\n                ')
    wrapped = dedent(f"""
        import contextlib
        with open({w}, 'w', encoding="utf-8") as spipe:
            with contextlib.redirect_stdout(spipe):
                {indented}
        """)
    return wrapped, open(r, encoding="utf-8")


def _run_output(interp, request, channels=None):
    script, rpipe = _captured_script(request)
    with rpipe:
        interp.run(script, channels=channels)
        return rpipe.read()

将 interpreters 模块与上面的辅助函数组合在一起，便可以生成第一个子解释器：

from test.support import interpreters

main = interpreters.get_main()
print(f"Main interpreter ID: {main}")
# Main interpreter ID: Interpreter(id=0, isolated=None)

interp = interpreters.create()

print(f"Sub-interpreter: {interp}")
# Sub-interpreter: Interpreter(id=1, isolated=True)

# https://github.com/python/cpython/blob/
#   15665d896bae9c3d8b60bd7210ac1b7dc533b093/Lib/test/test__xxsubinterpreters.py#L236
code = dedent("""
            from test.support import interpreters
            cur = interpreters.get_current()
            print(cur.id)
            """)

out = _run_output(interp, code)

print(f"All Interpreters: {interpreters.list_all()}")
# All Interpreters: [Interpreter(id=0, isolated=None), Interpreter(id=1, isolated=None)]
print(f"Output: {out}")  # Result of 'print(cur.id)'
# Output: 1

生成和运行新解释器的一种方法是使用 create() 函数，然后将解释器与我们想要执行的代码一起传递给 _run_output() 辅助函数

还有一种更简单的方法，如下所示

interp = interpreters.create()
interp.run(code)

直接使用 interpreters 模块的 run 方法。

但如果我们运行上面这两段代码时，会收到以下报错

Fatal Python error: PyInterpreterState_Delete: remaining subinterpreters
Python runtime state: finalizing (tstate=0x000055b5926bf398)

为了避免这个报错，我们还需要清理一些悬挂的解释器：

def cleanup_interpreters():
    for i in interpreters.list_all():
        if i.id == 0:  # main
            continue
        try:
            print(f"Cleaning up interpreter: {i}")
            i.close()
        except RuntimeError:
            pass  # already destroyed

cleanup_interpreters()
# Cleaning up interpreter: Interpreter(id=1, isolated=None)
# Cleaning up interpreter: Interpreter(id=2, isolated=None)

线程

虽然使用上面的辅助函数运行代码是可行的，但在 threading 模块中使用熟悉的接口可能会更方便

import threading

def run_in_thread():
    t = threading.Thread(target=interpreters.create)
    print(t)
    t.start()
    print(t)
    t.join()
    print(t)

run_in_thread()
run_in_thread()

# <Thread(Thread-1 (create), initial)>
# <Thread(Thread-1 (create), started 139772371633728)>
# <Thread(Thread-1 (create), stopped 139772371633728)>
# <Thread(Thread-2 (create), initial)>
# <Thread(Thread-2 (create), started 139772371633728)>
# <Thread(Thread-2 (create), stopped 139772371633728)>

我们通过把 interpreters.create 函数传递给Thread，它会自动在线程内部生成新的子解释器

我们也可以结合这两种方法，并将辅助函数传递给 threading.Thread：

import time

def run_in_thread():
    interp = interpreters.create(isolated=True)
    t = threading.Thread(target=_run_output, args=(interp, dedent("""
            import _xxsubinterpreters as _interpreters
            cur = _interpreters.get_current()

            import time
            time.sleep(2)
            # Can't print from here, won't bubble-up to main interpreter

            assert isinstance(cur, _interpreters.InterpreterID)
            """)))
    print(f"Created Thread: {t}")
    t.start()
    return t


t1 = run_in_thread()
print(f"First running Thread: {t1}")
t2 = run_in_thread()
print(f"Second running Thread: {t2}")
time.sleep(4)  # Need to sleep to give Threads time to complete
cleanup_interpreters()

上面的代码中演示了如何使用 _xxsubinterpreters 模块来实现（方法一）

我们还在每个线程中休眠 2 秒来模拟“工作”状态

请注意，我们甚至不必调用 join() 函数等待线程完成，只需在线程完成时清理解释器即可

Channels

如果我们进一步挖掘 CPython test 模块，我们还会发现 RecvChannel 和 SendChannel 类的实现类似于 Golang 中已知的通道

# https://github.com/python/cpython/blob/
#   15665d896bae9c3d8b60bd7210ac1b7dc533b093/Lib/test/test_interpreters.py#L583
r, s = interpreters.create_channel()

print(f"Channel: {r}, {s}")
# Channel: RecvChannel(id=0), SendChannel(id=0)

orig = b'spam'
s.send_nowait(orig)
obj = r.recv()
print(f"Received: {obj}")
# Received: b'spam'

cleanup_interpreters()
# Need clean up, otherwise:

# free(): invalid pointer
# Aborted (core dumped)

上面的例子介绍了如何创建一个接收端通道（r）和发送端通道（s），然后我们使用 send_nowait 方法将数据发送，通过 recv 方法来接收数据

这个通道实际上只是另一个解释器，和以前一样，我们需要在处理完它之后进行清理

Digging Deeper

如果我们想要修改或者调整子解释器的选项（这些选项通常在 C 代码中设置），我们可以使用

test.support 模块中的代码，具体来说是run_in_subinterp_with_config

import test.support

def run_in_thread(script):
    test.support.run_in_subinterp_with_config(
        script,
        use_main_obmalloc=True,
        allow_fork=True,
        allow_exec=True,
        allow_threads=True,
        allow_daemon_threads=False,
        check_multi_interp_extensions=False,
        own_gil=True,
    )

code = dedent(f"""
            from test.support import interpreters
            cur = interpreters.get_current()
            print(cur)
            """)

run_in_thread(code)
# Interpreter(id=7, isolated=None)
run_in_thread(code)
# Interpreter(id=8, isolated=None)

上面这个run_in_subinterp_with_config函数是 C 函数的 Python API。它提供了一些子解释器选项，如 own_gil，指定子解释器是否应该拥有自己的 GIL