它來了！真正的 python 多線程

哈嘍大家好，我是鹹魚

幾天前，IBM 工程師 Martin Heinz 發文表示 python 3.12 版本回引入"Per-Interpreter GIL”，有了這個 Per-Interpreter 全局解釋器鎖，python 就能實現真正意義上的並行/併發

我們知道，python 的多線程/進程並不是真正意義上的多線程/進程，這是因為 python GIL （Global Interpreter Lock）導致的

而即將發佈的 Python 3.12 中引入了名為 "Per-Interpreter GIL" 的新特性，能夠實現真正的併發

接下來我們來看下這篇文章，原文鏈接如下：

https://martinheinz.dev/blog/97

譯文

Python 到現在已經 32 歲了，但它到現在還沒有實現適當的、真正的併發/並行

由於將在 Python 3.12 （預計 2023 年 10 月發佈）中引入 “Per-Interpreter GIL”(全局解釋器鎖)，這種情況將會被改變

雖然距離 python 3.12 的發佈還有幾個月的時間，但是相關代碼已經實現了。所以讓我們提前來瞭解一下如何使用子解釋器 API（ub-interpreters API） 來編寫出真正的併發Python代碼

子解釋器（Sub-Interpreters）

我們首先來看下這個 “Per-Interpreter GIL” 是如何解決 Python 缺失適當併發性這個問題的

簡單來講，GIL(全局解釋器鎖)是一個互斥鎖，它只允許一個線程式控制制 Python 解釋器（某個線程想要執行，必須要先拿到 GIL ，在一個 python 解釋器裡面，GIL 只有一個，拿不到 GIL 的就不允許執行）

這就意味著即使你在 Python 中創建多個線程，也只會有一個線程在運行

隨著 “Per-Interpreter GIL” 的引用，單個 python 解釋器不再共用同一個 GIL。這種隔離級別允許每個子 python 解釋器真正地併發運行

這意味著我們可以通過生成額外的子解釋器來繞過 Python 的併發限制，其中每個子解釋器都有自己的GIL（拿到一個 GIL 鎖）

更詳細的說明請參見 PEP 684，該文檔描述了此功能/更改：https://peps.python.org/pep-0684/#per-interpreter-state

如何安裝

想要使用這個新功能，我們需要安裝最新的 python 版本，這需要源碼編譯安裝

# 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 在哪裡

現在我們已經安裝好了最新版本，那麼我們該如何使用子解釋器呢？我們可以直接通過 import 來導入嗎？不幸的是，還不能

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 的特性目前只能通過 C-API 使用，還沒有直接的介面供開發人員使用

介面預計會在 PEP 554中出現，如果大家能夠接受，它應該會在 Python 3.13 中出現，在這個版本出現之前，我們必須自己想辦法來實現子解釋器

雖然還沒有相關文檔，也沒有相關模塊可以導入，但 CPython 代碼庫中有一些代碼段向我們展示瞭如何使用它：

1. 方法一：我們可以使用 _xxsubinterpreters 模塊（因為是通過 C 實現的，所以命名比較奇怪，而且在 python 中不能夠簡單地去檢查代碼）
2. 方法二：可以使用 CPython 的 test 模塊，該模塊具有用於測試的示例 Interpreter（和 Channel）類

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

通常情況下我們一般用上面的第二種方法來實現

我們已經找到了子解釋器，但我們還需要通過 test 模塊去借用一些輔助函數，以便將代碼傳遞給子解釋器，輔助函數如下

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()

將 interpreters 模塊與上面的輔助函數組合在一起，便可以生成第一個子解釋器：

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

生成和運行新解釋器的一種方法是使用 create() 函數，然後將解釋器與我們想要執行的代碼一起傳遞給 _run_output() 輔助函數

還有一種更簡單的方法，如下所示

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

直接使用 interpreters 模塊的 run 方法。

但如果我們運行上面這兩段代碼時，會收到以下報錯

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

為了避免這個報錯，我們還需要清理一些懸掛的解釋器：

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)

線程

雖然使用上面的輔助函數運行代碼是可行的，但在 threading 模塊中使用熟悉的介面可能會更方便

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)>

我們通過把 interpreters.create 函數傳遞給Thread，它會自動線上程內部生成新的子解釋器

我們也可以結合這兩種方法，並將輔助函數傳遞給 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()

上面的代碼中演示瞭如何使用 _xxsubinterpreters 模塊來實現 （方法一）

我們還在每個線程中休眠 2 秒來模擬“工作”狀態

請註意，我們甚至不必調用 join() 函數等待線程完成，只需線上程完成時清理解釋器即可

Channels

如果我們進一步挖掘 CPython test 模塊，我們還會發現 RecvChannel 和 SendChannel 類的實現類似於 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)

上面的例子介紹瞭如何創建一個接收端通道（r）和發送端通道（s），然後我們使用 send_nowait 方法將數據發送，通過 recv 方法來接收數據

這個通道實際上只是另一個解釋器，和以前一樣，我們需要在處理完它之後進行清理

Digging Deeper

如果我們想要修改或者調整子解釋器的選項（這些選項通常在 C 代碼中設置），我們可以使用

test.support 模塊中的代碼，具體來說是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)

上面這個run_in_subinterp_with_config函數是 C 函數的 Python API。它提供了一些子解釋器選項，如 own_gil，指定子解釋器是否應該擁有自己的 GIL