Python 对自由线程的实验性支持¶
从 3.13 版开始，CPython 实验性地支持 free threading (自由线程) 的 Python 构建，其禁用 global interpreter lock (GIL)。自由线程化的执行允许在可用的 CPU 上并行运行线程，充分利用可用的处理能力。尽管并非所有软件都能自动地从中受益，但是考虑到线程设计的程序在多核硬件上运行速度会更快。
自由线程模式是实验性的，改进工作正在进行中：预计会出现一些错误，单线程性能也会受到很大影响。
本文档描述了自由线程对 Python 代码的影响。 请参阅 自由线程的 C API 扩展支持 了解如何编写支持自由线程构建的 C 扩展。
参见
PEP 703 —— 查阅《在 CPython 中使全局解释器锁成为可选项》以了解对自由线程 Python 的整体描述。
安装¶
从 Python 3.13 开始，官方 macOS 和 Windows 安装器提供了对可选安装自由线程 Python 二进制文件的支持。 安装器可在 https://www.python.org/downloads/ 获取。
有关其他平台的描述，请参阅 安装自由线程 Python，这是一份由社区维护的，用于安装自由线程 Python 的安装指南。
当从源码构建 CPython 时，应使用 --disable-gil 配置选项以构建自由线程 Python 解释器
识别自由线程 Python¶
要检查当前解释器是否支持自由线程，查看 python -VV 和 sys.version 是否包含 "experimental free-threading build"。新的 sys._is_gil_enabled() 函数可用于检查在运行进程中全局解释器锁是否确实被关闭。
sysconfig.get_config_var("Py_GIL_DISABLED") 配置变量可用于确定构建是否支持自由线程 。 如果该变量设置为``1`` ，则构建支持自由线程。这是与构建配置相关的决策的推荐机制。
自由线程版 Python 中的全局解释器锁¶
CPython 的自由线程构建版支持在运行时使用环境变量 PYTHON_GIL 或命令行选项 -X gil 选择性地启用 GIL。
GIL 也可能在导入未显式标记为支持自由线程模式的 C-API 扩展模块时被自动启用。 在这种情况下将会打印一条警告。
在单独软件包的文档以外，还有下列网站在追踪热门软件包对自由线程模式的支持状态：
线程安全¶
自由线程构建的 CPython 旨在 Python 层级提供与默认全局解释器锁启用构建相似的线程安全行为。内置类型（如 dict 、 list 和 set 等）使用内部上锁来防止并发修改，其行为方式与全局解释器锁相似。 但是，Python 历来不对这些内置类型的并发修改提供特定的行为提供保证，因此这应被视为对当前实现的描述，而不是对当前或未来行为的保证。
备注
建议尽可能使用 threading.Lock 或其他同步的原语，而不是依赖内置类型的内部上锁 。
已知的限制¶
本节介绍自由线程 CPython 构建的已知限制。
永生化¶
3.13 版本的自由线程构建使某些对象 immortal。 永生对象不会被重新分配，其引用计数永远不会被修改。 这样做是为了避免引用计数发生争夺，以免妨碍高效的多线程扩展。
当主线程运行后首次启动新的线程时，对象将被永生化。 以下对象将被永生化：
由于永生对象永远不会被重新分配，因此应用如果创建了许多此类对象，可能会增加内存使用。预计 3.14 版将解决这个问题。
此外，代码中的数字和字符串字面值以及 sys.intern() 返回的字符串也将永久化。 预计在 3.14 自由线程构建中将保留这一行为 。
帧对象¶
从其他线程访问 帧 对象是不安全的，这样做可能会导致程序崩溃。 这意味着，在自由线程构建中使用 sys._current_frames() 一般是不安全的。 函数（如 inspect.currentframe() 和 sys._getframe() 等）只要不将生成的帧对象传递给另一个线程，一般都是安全的。
迭代器¶
在多个线程之间共享同一个迭代器对象通常是不安全的，线程在迭代时可能会出现元素重复或缺失的情况，或使解释器崩溃。
单线程性能¶
与启用默认全局解释器锁的构建相比，自由线程构建在执行 Python 代码时有额外的开销。 在 3.13 中，"高性能 <https://pyperformance.readthedocs.io/>`_ 套件"的开销约为 40%。大部分时间花在 C 扩展或 I/O 上的程序受到的影响较小。影响最大的原因是在自由线程构建中禁用了特化自适应解释器 (PEP 659) 。 我们希望在 3.14 中以线程安全的方式重新启用它。在即将发布的 Python 版本中，这一开销有望减少。 我们的目标是，与启用默认全局解释器锁的构建相比，pyperformance 套件的开销不超过 10%。