[파이썬] - Global Interpreter Lock

GIL (Global Interpreter Lock)

 

여러 개의 스레드가 파이썬 바이트코드를 한번에 하나만 사용할 수 있게 락을 거는것, 파이썬 인터프리터를 제어할 수 있도록하는 뮤택스.

등장 배경

파이썬은 레퍼런스 카운팅 방식으로 메모리를 관리하는데, 여러개의 스레드가 동시에 객체를 참조할 경우 Race Condition 이 발생하여, 메모리 누수가 발생할 수 있음. 이러한 문제점을 해결하기 위해 GIL 개념이 도입됨

객체마다도 Lock 을 걸 수 있겠지만 비효율적이기 때문에 Global 한 락을 하나 설정하여 사용하는 방식으로 접근함

성능 차이

CPU Bound

단일 스레드

# 단일 스레드 수행시간
CNT = 1000000

def run(n):
  ret = 0
  for i in range(n):
    ret += 1
  return ret

start_time = time.time()
run(CNT)
end_time = time.time()

print("running time: ", end_time - start_time)
> \> running time:  0.06689858436584473

멀티 스레드

# 멀티 스레드 수행시간
CNT = 1000000

def run(n):
  ret = 0
  for i in range(n):
    ret += 1
  return ret

t1 = Thread(target=run, args=(CNT // 2,))
t2 = Thread(target=run, args=(CNT // 2,))

start_time = time.time()
t1.start()
t2.start()
t1.join()
t2.join()
end_time = time.time()

print("running time: ", end_time - start_time)
> \> running time:  0.08830523490905762

위 결과를 보면 단일 스레드의 성능이 멀티스레드의 성능보다 좋은 것을 확인할 수 있음 이는 GIL 때문임, CPU Bound 한 프로그램에 대해서 GIL 은 락을 걸어 성능향상보다 오히려 병목을 만들 수 있음. 그렇다면 I/O bound 작업에 대해서는 어떨까

I/O Bound

import threading
import time

CNT = 1000000
def network_job():
  time.sleep(0.2)

def cpu_bound_job():
  ret = 0
  for i in range(1000000):
    ret += 1

def working():
  network_job()
  cpu_bound_job()
  network_job()
  cpu_bound_job()

start_time = time.time()
working()
working()
end_time = time.time()


print("Single thread running time: ", end_time - start_time)

t1 = Thread(target=working)
t2 = Thread(target=working)

start_time = time.time()
t1.start()
t2.start()
t1.join()
t2.join()
end_time = time.time()

print("Multi thread running time: ", end_time - start_time)
> \>> Single thread running time:  1.2877919673919678
> \>> Multi thread running time:  0.660606861114502

I/O bound 작업에서는 멀티스레드의 성능이 더 향상 된것을 볼 수 있음. 이는 sleep 함수를 호출 할때 cpu 가 idle 상태로 변하기 때문임

참고

https://en.wikipedia.org/wiki/Global_interpreter_lock