一、Python 是如何运行的 — 从源码到执行

解释型语言 vs 编译型语言

• 编译型（如 C/C++）：源码 → 一次性编译为机器码 → 直接运行。
• 解释型（如 Python/JS）：源码 → 边解释边执行，但 Python 实际是“先编译成字节码，再解释执行”。

Python 的执行流程

1
2
3
4
5

your_code.py 
    ↓（CPython 解释器编译）
Python 字节码（.pyc，存于 __pycache__）
    ↓（由 Python 虚拟机 PVM 执行）
逐条执行字节码指令

关键点：

• 字节码：Python 源码的中间表示，平台无关。
• PVM：不是独立程序，而是 CPython 内部的一个大循环，负责逐条解释执行字节码。
• .pyc 文件：缓存字节码，避免重复编译，提升启动速度。

二、CPython 与 GIL - 为什么多线程不能并行

什么是 GIL

• GIL（Global Interpreter Lock） 是 CPython 解释器内部的一个互斥锁。
• 作用：确保同一时刻只有一个线程在执行 Python 字节码。
• 目的：保护 CPython 的引用计数内存管理机制，避免多线程并发修改对象导致崩溃。

注意：

• GIL 是 CPython 特有（PyPy/Jython 无 GIL）。
• GIL 锁的是 “执行字节码”，不是整个程序。

GIL 如何工作

• 线程要执行 Python 字节码 → 必须先获取 GIL。
• 遇到以下情况会释放 GIL：
  • I/O 操作（如 requests.get, time.sleep, 文件读写）
  • 执行 C 扩展（如 NumPy、Pillow）
  • 每执行一定字节码指令后主动让出（时间片切换）

三、并发模型：进程/线程/协程

层级关系

1
2
3
4

操作系统
└── 进程（Process）          ← 每个 `python xxx.py` 是一个独立进程
    └── 线程（Thread）       ← 每个进程至少有 1 个主线程，可创建多个
        └── 协程（Coroutine）← 运行在**单个线程内**，由事件循环调度（如 asyncio）

包含关系：协程 属于 线程 属于 进程 属于 操作系统

一个 Python 程序的默认结构

• 运行 python main.py → 启动 1 个进程 + 1 个主线程。
• 在主线程中，可创建：
  • 多个线程（threading.Thread）→ 但受 GIL 限制，不能并行执行 Python 代码
  • 多个协程（async def + await）→ 在单线程内并发，无 GIL 争抢

多进程/多线程/协程

实践建议：

• Web 后端（FastAPI/aiohttp）→ 用 协程（async/await）
• 科学计算/图像处理 → 用 多进程（multiprocessing）
• 调用老式阻塞库 → 用 线程池（如 asyncio.to_thread）

四、同步/异步/阻塞/非阻塞

同步Synchronous/异步Asynchronous

• data = requests.get(url) # 阻塞直到返回

• data = await httpx.get(url) # 不阻塞，可去做别的事

异步的核心：不无脑等待阻塞，提高资源利用率。

阻塞Blocking/非阻塞Non-blocking

• 阻塞：调用后必须等待操作完成才返回（如默认的 socket.recv()）。
• 非阻塞：调用立即返回，无论是否准备好（如设置 socket.setblocking(False)）。

关键联系： - 异步编程 依赖非阻塞 I/O。 - 同步编程 通常使用阻塞 I/O。

五、总结

1. Python 程序运行 = 源码 → 字节码 → PVM 执行
2. CPython 用 GIL 保护字节码执行，导致多线程不能并行 Python 代码
3. 一个 python xxx.py = 1 进程 + 1 主线程（可有多个协程）
4. 多进程 = 真正并行（绕过 GIL），适合 CPU 密集
5. 协程 = 单线程内高效并发，适合 I/O 密集（如 FastAPI）
6. 异步 = 非阻塞 + 事件循环，最大化 I/O 利用率