Python中pypy日常：我们要干掉GIL

PyPy确实在努力解决GIL问题，但“干掉GIL”这个说法不太准确。PyPy的JIT编译器在某些场景下能显著提升性能，但它仍然有GIL。真正无GIL的Python实现是像Jython或IronPython这样的，但它们生态不行。

如果你想要绕过GIL做CPU密集型并发，还是得用多进程。比如用multiprocessing模块：

from multiprocessing import Pool
import math

def is_prime(n):
    if n < 2:
        return False
    for i in range(2, int(math.sqrt(n)) + 1):
        if n % i == 0:
            return False
    return True

if __name__ == '__main__':
    numbers = list(range(100000, 101000))
    
    with Pool() as pool:
        results = pool.map(is_prime, numbers)
    
    primes = [n for n, is_p in zip(numbers, results) if is_p]
    print(f"Found {len(primes)} primes")

这个例子用进程池并行判断质数，每个进程有自己的Python解释器和内存空间，完全避开了GIL。

对于I/O密集型任务，用asyncio就行，GIL影响不大：

import asyncio
import aiohttp

async def fetch_url(url):
    async with aiohttp.ClientSession() as session:
        async with session.get(url) as response:
            return await response.text()

async def main():
    urls = ['http://httpbin.org/get'] * 10
    tasks = [fetch_url(url) for url in urls]
    results = await asyncio.gather(*tasks)
    print(f"Fetched {len(results)} pages")

asyncio.run(main())

总之，别指望PyPy能“干掉”GIL，该用多进程的时候还是得用。

总结：用多进程绕过GIL。

youtube 都在尝试把 python 用 go runtime 跑了，python runtime 真是令人无语，蛤蛤。

都没听说 Gilectomy 吗？虽说也是个个人项目，不过因为是 core Dev 主导，社区讨论挺多的
https://us.pycon.org/2017/schedule/presentation/118/