PythonGIL 中的自由线程模式已禁用)
Python 3.13 最近刚刚发布,具有一个令人惊叹的新功能,称为“自由线程模式”。当您使用线程时,这对于代码的性能来说是一个很大的改进。本文展示了如何启用此功能(默认情况下不启用)并展示“自由线程模式”对代码性能的影响。
安装免费线程Python
Windows 和 MacOS 用户
对于 Windows 和 MacOS 用户,只需从 Python 网站下载最新的安装程序即可。当您安装Python时,当您选择“自定义安装”选项时,会有一个启用“自由线程模式”的复选框。
Ubuntu 用户
对于 Ubuntu 用户,您可以通过在终端中运行以下命令来启用此功能:
sudo add-apt-repository ppa:deadsnakes sudo apt-get update sudo apt-get install python3.13-nogil
验证自由线程模式已启用
安装包后,您可以使用 python3.13(原始)和 python3.13-nogil 或 python3.13t(免费线程 Python)运行代码。
查看这篇文章,了解有关如何在 Linux 发行版上安装 Python 3.13 实验版的更多详细信息。
要验证您的 Python 是否启用了“自由线程模式”,您可以使用以下命令:
python3.13t -VV Python 3.13.0 experimental free-threading build (main, Oct 8 2024, 08:51:28) [GCC 11.4.0]
自由线程模式性能
实验设置
让我们看看自由线程模式对下面简单代码的影响:
- 我有一个函数工作者,它执行一些计算并返回 0 到 1000 万之间的数字总和。
- 我有“测试 1”来按顺序运行工作函数 5 次。
- 我有“测试 2”来使用多个线程并行运行工作函数,线程数为 5。
- 我确实测量了这两个测试的执行时间。
import sys import threading import time print("Python version : ", sys.version) def worker(): sum = 0 for i in range(10000000): sum += i n_worker = 5 # Single thread start = time.perf_counter() for i in range(n_worker): worker() print("Single Thread: ", time.perf_counter() - start, "seconds") # Multi thread start = time.perf_counter() threads = [] for i in range(n_worker): t = threading.Thread(target=worker) threads.append(t) t.start() for t in threads: t.join() print("Multi Thread: ", time.perf_counter() - start, "seconds")
稍后,我将使用普通 Python(python3.13 二进制文件)和免费线程 Python(pypy3.13t 二进制文件)运行此代码。
结果
首先,使用python3.13运行测试:
python3.13 gil_test.py Python version : 3.13.0 (main, Oct 8 2024, 08:51:28) [GCC 11.4.0] Single Thread: 1.4370562601834536 seconds Multi Thread: 1.3681392602156848 seconds
然后,使用 pypy3.13t 运行测试:
python3.13t gil_test.py Python version : 3.13.0 experimental free-threading build (main, Oct 8 2024, 08:51:28) [GCC 11.4.0] Single Thread: 1.862126287072897 seconds Multi Thread: 0.3931183419190347 seconds
我也尝试使用 python3.11:
python3.11 gil_test.py Python version : 3.11.3 (main, Apr 25 2023, 16:40:23) [GCC 11.3.0] Single Thread: 1.753435204969719 seconds Multi Thread: 1.457715731114149 seconds
结果分析
Python默认有GIL(Global Interpreter Lock)锁定机制,使得多线程实际上并不是并行的。可以看到单线程的时间处理和多线程类似。
使用python3.11t(自由线程模式),多线程性能比单线程快很多。所以,多线程现在实际上是并行的。
但是,你有没有发现 python3.13t 中的单线程测试比 pypy3.13 慢一点?
我不太明白为什么,所以如果你有任何解释请告诉我。
结论
我认为在python中使用多线程进行并行处理是很好的。但是,如果没有GIL锁定机制,则需要开发人员注意“线程安全”,即。在线程之间共享数据。
此外,我们需要等待库和包更新才能完全支持自由线程模式。这就是为什么现在默认情况下不启用“自由线程模式”的原因之一。但是,我认为这将是未来的一个很好的功能。
以上是PythonGIL 中的自由线程模式已禁用)的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

Python更易学且易用,C 则更强大但复杂。1.Python语法简洁,适合初学者,动态类型和自动内存管理使其易用,但可能导致运行时错误。2.C 提供低级控制和高级特性,适合高性能应用,但学习门槛高,需手动管理内存和类型安全。

要在有限的时间内最大化学习Python的效率,可以使用Python的datetime、time和schedule模块。1.datetime模块用于记录和规划学习时间。2.time模块帮助设置学习和休息时间。3.schedule模块自动化安排每周学习任务。

Python在开发效率上优于C ,但C 在执行性能上更高。1.Python的简洁语法和丰富库提高开发效率。2.C 的编译型特性和硬件控制提升执行性能。选择时需根据项目需求权衡开发速度与执行效率。

每天学习Python两个小时是否足够?这取决于你的目标和学习方法。1)制定清晰的学习计划,2)选择合适的学习资源和方法,3)动手实践和复习巩固,可以在这段时间内逐步掌握Python的基本知识和高级功能。

Python和C 各有优势,选择应基于项目需求。1)Python适合快速开发和数据处理,因其简洁语法和动态类型。2)C 适用于高性能和系统编程,因其静态类型和手动内存管理。

pythonlistsarepartofthestAndArdLibrary,herilearRaysarenot.listsarebuilt-In,多功能,和Rused ForStoringCollections,而EasaraySaraySaraySaraysaraySaraySaraysaraySaraysarrayModuleandleandleandlesscommonlyusedDduetolimitedFunctionalityFunctionalityFunctionality。

Python在自动化、脚本编写和任务管理中表现出色。1)自动化:通过标准库如os、shutil实现文件备份。2)脚本编写:使用psutil库监控系统资源。3)任务管理:利用schedule库调度任务。Python的易用性和丰富库支持使其在这些领域中成为首选工具。

Python在科学计算中的应用包括数据分析、机器学习、数值模拟和可视化。1.Numpy提供高效的多维数组和数学函数。2.SciPy扩展Numpy功能,提供优化和线性代数工具。3.Pandas用于数据处理和分析。4.Matplotlib用于生成各种图表和可视化结果。
