پایتون ۳.۱۴ و پشتیبانی رسمی از free-threading؛ آغاز پایان دوران GIL
خبر اصلی: پشتیبانی رسمی از free-threading در پایتون ۳.۱۴ #
تیم توسعهٔ CPython با انتشار نسخهٔ ۳.۱۴ یک اتفاق تاریخی را رقم زد: بیلد free-threaded (بدون GIL) به مرحلهٔ پشتیبانی رسمی رسید. این تغییر که ابتدا با PEP 703 بهصورت آزمایشی در پایتون ۳.۱۳ معرفی شده بود، حالا یک گزینهٔ رسمی و پایدار برای همهٔ توسعهدهندهها است. یعنی برنامههای Python میتوانند بدون قفل سراسری مفسر، روی تمام هستههای CPU بهصورت موازی اجرا شوند.
ℹ️ اطلاعات: PEP 703 با عنوان «Making the Global Interpreter Lock Optional in CPython» نقشهٔ راه حذف اختیاری GIL را تعریف کرد و پایهٔ بیلد free-threaded است.
free-threading دقیقاً چه چیزی را عوض میکند؟ #
تا امروز، GIL فقط اجازهٔ اجرای یک نخ (thread) در هر لحظه برای بایتکد پایتون را میداد؛ نتیجه اینکه برنامههای چندنخی CPU-bound عملاً از قابلیت چندهستهای استفاده نمیکردند و توسعهدهندهها به multiprocessing پناه میبردند. در بیلد free-threaded:
- نخها واقعاً روی هستههای مختلف CPU بهصورت موازی اجرا میشوند
- انواع توکار مثل
dict،listوsetبا قفلهای داخلی از اطمینان مشابه بیلد معمولی پشتیبانی میکنند - اگر ماژول CAPI شما هنوز برای free-threading آماده نباشد، GIL بهصورت خودکار دوباره فعال میشود و هشداری چاپ خواهد شد
البته این قدرت رایگان نیست؛ طبق مستندات رسمی، سربار بیلد free-threaded روی مجموعه بنچمارک pyperformance در سیستمهای x86-64 لینوکس حدود ۸٪ و روی macOS aarch64 حدود ۱٪ است. یعنی برای برنامههای تکنخی ممکن است کمی کندتر شوید، اما برای workloadهای موازی سود چند برابری خواهید داشت.
چطور بیلد free-threaded را نصب و تشخیص دهیم؟ #
نصبکنندههای رسمی macOS و Windows در python.org/downloads از نسخهٔ ۳.۱۳ به بعد گزینهٔ نصب باینری free-threaded را دارند. برای بیلد از سورس هم باید از گزینهٔ --disable-gil در هنگام configure استفاده کنید.
برای تشخیص اینکه مفسر جاری از free-threading پشتیبانی میکند:
python -VV
# خروجی شامل عبارت free-threading build خواهد بود
# مثال: Python 3.14.0 [MSC v.1940 64 bit] :: free-threading build
import sys
import sysconfig
# آیا GIL در این پروسه فعال است؟
print(sys._is_gil_enabled())
# آیا این بیلد از free-threading پشتیبانی میکند؟
print(sysconfig.get_config_var("Py_GIL_DISABLED")) # 1 یعنی بله
حتی در بیلد free-threaded هم میتوانید GIL را دوباره فعال کنید؛ هم با متغیر محیطی PYTHON_GIL و هم با گزینهٔ خط فرمان -X gil:
PYTHON_GIL=1 python app.py
# یا
python -X gil app.py
💡 نکته: پیش از مهاجرت، وضعیت سازگاری پکیجهای مورد استفادهٔ خود را در py-free-threading.github.io/tracking بررسی کنید؛ پکیجهایی با extension module ممکن است هنوز آماده نباشند.
این خبر برای توسعهدهندهها چه معنایی دارد؟ #
برای تیمهایی که workloadهای سنگین پردازشی دارند — از پردازش داده و آموزش مدلها تا رندر و پردازش تصویر — این تغییر میتواند جایگزین سادهتری برای معماریهای پیچیدهٔ multiprocessing باشد. همچنین فریمورکهایی مثل وبسرورها و ابزارهای concurrent میتوانند با چندنخی واقعی، throughput بهتری ارائه دهند.
با این حال، توصیهٔ رسمی مستندات این است که همچنان از threading.Lock و سایر ابزارهای همگامسازی استفاده کنید و به قفلهای داخلی انواع توکار تکیه نکنید. محدودیتهای شناختهشده هم وجود دارد؛ مثلاً دسترسی به frame.f_locals یک فریم در حال اجرا از نخ دیگر ناامن است و ممکن است مفسر را کرش کند.
وضعیت فعلی و مراحل بعدی #
پشتیبانی پکیجهای جامعه بهسرعت در حال بهبود است و ردیابهای رسمی مثل hugovk.github.io/free-threaded-wheels وضعیت انتشار wheelهای سازگار را بهصورت زنده نمایش میدهند. اگر پروژهٔ متنباز دارید، راهنمای رسمی پشتیبانی C API در بیلد free-threaded نقطهٔ شروع خوبی است.
جمعبندی #
رسیدن free-threading به پشتیبانی رسمی در پایتون ۳.۱۴، بزرگترین تغییر در مدل همروندی پایتون از زمان معرفی asyncio بود. سربار کم در بیلد تکنخ، تشخیص ساده با python -VV و امکان بازگشت با PYTHON_GIL=1 یعنی ریسک مهاجرت پایین است. اگر برنامهٔ CPU-bound چندنخی دارید، همین امروز یک بیلد free-threaded نصب کنید و بنچمارک خودتان را بگیرید.
منابع و مطالعهٔ بیشتر #
- Python support for free threading — مستندات رسمی
- PEP 703 — Making the Global Interpreter Lock Optional
- Python Free-Threading Guide
- سایر مطالب پایتونی ما را در وبلاگ تککی دنبال کنید.