主要观点总结
本文主要介绍了Python 3.13版本引入的实验性自由线程模式（Free-threaded）以及全球解释器锁（GIL）的相关知识，并通过对性能测试结果的总结，阐述了自由线程模式对Python性能的影响。同时，也指出了兼容性问题以及实验状态。
关键观点总结
关键观点1: Python 3.13引入自由线程模式旨在提升性能
Python 3.13引入了新的实验性自由线程模式，该模式旨在通过移除全局解释器锁（GIL）来提升Python性能，特别是在多线程应用程序中。
关键观点2: 性能测试结果分析
通过基准测试发现，禁用GIL后，多线程模型性能最佳。自由线程模式由于需要禁用自适应解释器而整体性能下降。在4核机器上，使用自由线程的执行时间相较于单线程有所减少，但仍略慢于多进程方法。
关键观点3: GIL及其局限性
GIL通过限制只有一个线程在任何给定时间持有Python解释器的控制权来限制真正的并行性，这对多线程CPU密集型应用程序造成了瓶颈。
关键观点4: 兼容性问题
移除GIL会引入重大的兼容性挑战，因为许多C扩展和库依赖GIL来保证线程安全。
关键观点5: 实验状态
Python 3.13中的no-GIL构建目前处于实验阶段，尚未准备好用于生产环境。
正文
Python 3.13 引入了新的实验性自由线程模式（Free-threaded），旨在通过移除全局解释器锁 (GIL) 来提升 Python 性能，尤其是在多线程应用程序中。
近日，开发者使用 Python 3.12、3.13 和支持自由线程的 3.13（3.13t）运行了基准测试，包括使用和不使用 GIL（同时运行支持和不支持自由线程的 3.13 版），以测试不同场景下「自由线程」对性能的影响。这名开发者通过 PageRank 算法的实现，比较了单线程、多线程和多进程模型的性能，并使用 CodSpeed 工具进行了性能测试。结果显示，禁用 GIL 后，多线程模型性能最佳，但自由线程模式由于需要禁用自适应解释器而整体性能下降。
以下是此次性能测试的关键点总结：
GIL 及其局限性：CPython 中的 GIL 通过只允许一个线程在任何给定时间持有 Python 解释器的控制权来限制真正的并行性。这导致了多线程 CPU 密集型应用程序的瓶颈。
自由线程 (no-GIL) 模式：Python 3.13 引入了一个没有 GIL 的实验性构建，允许多个线程真正并发地执行 Python 字节码。这有可能显著提高多核系统上 CPU 密集型任务的性能。
性能改进：早期基准测试表明性能有所提升，尤其是在 I/O 密集型操作和特定场景中。但是，整体性能影响仍在评估中，预计在未来版本中会有所改进。
兼容性问题：移除 GIL 会引入重大的兼容性挑战。许多 C 扩展和库依赖 GIL 来保证线程安全。使它们适应 no-GIL 的世界是一项艰巨的任务。
实验状态：Python 3.13 中的 no-GIL 构建明确处于实验阶段。它尚未准备好用于生产环境，并且可能会发生变化。目标是收集反馈并在后续版本中改进实现。
测试结果
数据分析
单线程: 作为基准，单线程执行时间被设为 1 个单位时间。
多线程 (GIL): 在 4 核机器上使用标准的多线程（受 GIL 限制），PageRank 算法的执行时间为 1.05 个单位时间，比单线程略慢。这表明 GIL 阻碍了并行执行，甚至引入了额外的开销。
多进程: 使用多进程，执行时间为 0.35 个单位时间，实现了约 3 倍的加速。这是因为多进程绕过了 GIL 的限制，实现了真正的并行计算。
自由线程 (no-GIL): 使用自由线程，执行时间为 0.4 个单位时间，也实现了显著的加速，与多进程方法接近。这表明移除 GIL 可以有效提高多线程程序的性能。
https://codspeed.io/blog/state-of-python-3-13-performance-free-threading
