如何解决为什么numpy计算不受全局解释器锁定的影响？
许多 numpy计算不受GIL的影响，但不是全部。
在不需要Python解释器的代码（例如C库）中，可以专门释放GIL-允许依赖于解释器的其他代码继续运行。在Numpy
C代码库中，宏NPY_BEGIN_THREADS和NPY_END_THREADS用于分隔允许GIL释放的代码块。您可以在numpy来源的搜索中看到这些内容。
该NumPy的C
API文档，对线程支持的更多信息。注意额外的宏NPY_BEGIN_THREADS_DESCR，NPY_END_THREADS_DESCR以及NPY_BEGIN_THREADS_THRESHOLDED其处理条件GIL释放，依赖于阵列dtypes和线圈的尺寸。
最核心的功能释放GIL -例如通用功能（ufunc）这样做所描述的：
只要不涉及任何对象数组，就在调用循环之前释放Python全局解释器锁（GIL）。如有必要，可以重新获取它以处理错误情况。
关于您自己的代码，可以使用NumPy的源代码。检查以上宏所使用的功能（以及它们调用的功能）。还要注意的性能优势在很大程度上取决于如何长 的GIL被释放-如果你的代码是不断输入/输出的Python的下降，你不会看到多大的改善。
另一个选择是对其进行测试。但是，请记住，使用条件GIL宏的函数可能会在大小数组上表现出不同的行为。因此，使用小型数据集进行的测试可能无法正确表示较大任务的性能。
官方Wiki上提供了有关numpy并行处理的其他信息，以及有关Programmers.SE的有关Python GIL的有用文章。
解决方法
我正在尝试决定应该使用多处理还是线程处理，并且我学到了一些有关Global Interpreter
Lock的有趣知识。在这篇不错的博客文章中，似乎多线程不适合繁忙的任务。但是，我还了解到，某些功能（例如I / O或numpy）不受GIL的影响。
谁能解释为什么，以及如何确定我的（可能很笨拙的）代码是否适合多线程？
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
