Почему Python считается однопоточным?

Хотя Python поддерживает создание потоков через модуль threading, его стандартная реализация CPython имеет архитектурную особенность — Global Interpreter Lock (GIL). Это механизм, который предотвращает одновременное выполнение байт-кода Python несколькими потоками в одном процессе.

Что такое GIL и зачем он нужен?

GIL — это глобальный мьютекс (блокировка), который захватывается интерпретатором перед выполнением любого байт-кода Python. Он был введён для упрощения управления памятью в CPython, особенно для подсчёта ссылок — механизма сборки мусора. Без GIL несколько потоков могли бы одновременно изменять счётчик ссылок у одного объекта, что привело бы к повреждению памяти или утечкам. GIL делает CPython потокобезопасным на уровне интерпретатора, но ценой истинного параллелизма.

Как это влияет на производительность?

• CPU-задачи: Если задача требует интенсивных вычислений (например, математические расчёты), несколько потоков Python не ускорят её выполнение на многоядерном CPU. Они будут выполняться по очереди, переключаясь между собой.
• I/O-задачи: При операциях ввода-вывода (сеть, файлы, базы данных) поток освобождает GIL во время ожидания. Это позволяет другим потокам выполняться, поэтому многопоточность может улучшить производительность I/O-связанных приложений.

Пример кода, демонстрирующий ограничение

import threading
import time

def cpu_task(n):
    count = 0
    for i in range(n):
        count += i
    return count

# Запуск двух потоков на CPU-задаче
start = time.time()
threads = []
for _ in range(2):
    t = threading.Thread(target=cpu_task, args=(100_000_000,))
    t.start()
    threads.append(t)

for t in threads:
    t.join()

print(f"Время с потоками: {time.time() - start:.2f} сек")
# Скорее всего, время будет примерно таким же или даже больше,
# чем при последовательном выполнении из-за GIL и накладных расходов.

Как обойти это ограничение?

Для достижения истинного параллелизма в CPU-задачах в Python используют:

• Мультипроцессинг (модуль multiprocessing): Создаёт отдельные процессы с собственным интерпретатором и памятью. Нет общего GIL.
• Асинхронное программирование (asyncio): Эффективно для I/O-задач, использует один поток, но множество корутин.
• Расширения на C/C++: В коде на C можно освободить GIL на время выполнения «тяжёлых» вычислений.
• Альтернативные реализации Python: Например, Jython или IronPython не имеют GIL, но они менее распространены.

Вывод: Python (CPython) считается однопоточным из-за GIL, который сериализует выполнение байт-кода потоками. Это ограничение критично для CPU-связанных задач, где стоит использовать многопроцессность. Для I/O-задач потоки или асинхронность остаются эффективными подходами.