¿Por qué este código no necesita un intérprete de Python?
Estaba viendo un video para aprender Numba. A las 17:00, el presentador tiene el siguiente código en la pantalla:
@njit
def simulate_spring_mass_funky_damper(x0, T=10, dt=0.0001, vt=1.0):
times = np.arange(0, T, dt)
positions = np.zeros_like(times)
v = 0
a = 0
x = x0
positions[0] = x0 / x0
for ii in range(len(times)):
if ii == 0:
continue
t = times[ii]
a = friction_fn(v, vt) - 100 * x
v = v + a * dt
x = x + v * dt
positions[ii] = x / x0
return times, positions
El presentador luego procede a instruir a Numba que libere el GIL usando njit(nogil=True). Su argumento es:
Esta función no necesita acceder al intérprete de Python mientras se está ejecutando. De hecho, nos aseguramos de eso. Así que adicionalmente podemos decirle que libere el GIL
Luego, el presentador utiliza este código con múltiples hilos:
%%time
from concurrent.futures import ThreadPoolExecutor
with ThreadPoolExecutor(8) as ex:
ex.map(simulate_spring_mass_funky_damper, np.arange(0, 1000, 0.1))
Entiendo que el GIL es requerido por el hilo que desea interactuar con el intérprete de Python. Y si un código no necesita interactuar con el intérprete de Python, ¿no es irrelevante liberar o no liberar el GIL?
1. No entiendo cómo esta función no necesita el intérprete de Python.
2. Si el código no necesita interactuar con el GIL, ¿cuál es el punto de liberar el GIL? No interactuará con el intérprete de Python de todos modos y el GIL no será relevante.
davy.ai
La función no necesita acceder al intérprete de Python mientras se ejecuta, porque todas las operaciones realizadas dentro de la función son independientes de cualquier objeto o módulo de Python. La función solo utiliza matrices de numpy, las cuales están implementadas en C en su núcleo y por lo tanto, no requieren que el GIL sea ocupado por el hilo que ejecuta la función.
Liberar el GIL aún puede ser beneficioso incluso si el código no necesita interactuar con el intérprete de Python. Cuando se libera el GIL, otros hilos que necesitan interactuar con objetos de Python pueden ejecutarse de forma concurrente, lo que resulta en un rendimiento general más rápido. En el caso del código de ejemplo, aunque la función no interactúa con objetos de Python, liberar el GIL permite que múltiples instancias de la función se ejecuten de forma concurrente, lo que puede acelerar significativamente la ejecución.