GIL

2026.03.12 11:06

GIL(Global Interpreter Lock)은 CPython 인터프리터에서 한 번에 하나의 스레드만 Python 바이트코드를 실행할 수 있도록 강제하는 뮤텍스이다.

레퍼런스 카운팅과 GIL

CPython은 객체의 메모리 관리를 레퍼런스 카운팅으로 한다. 모든 객체에 참조 횟수(ob_refcnt)가 있고, 이 값이 0이 되면 메모리를 해제한다.

// CPython 내부의 참조 카운트 조작
Py_INCREF(op);  // ob_refcnt++
Py_DECREF(op);  // ob_refcnt--, 0이면 해제

여러 스레드가 동시에 이 카운터를 수정하면 race condition이 발생한다. 예를 들어 두 스레드가 동시에 Py_DECREF를 호출하면, 카운터가 1인 객체를 두 번 해제하거나 아예 해제하지 못하는 상황이 생길 수 있다.

이를 해결하는 방법은 두 가지이다.

객체별 fine-grained 락: 모든 객체마다 개별 락을 건다. 오버헤드가 크고 데드락 위험이 있다. 실제로 1999년 Greg Stein이 CPython에서 GIL을 제거하고 fine-grained 락을 적용하는 패치를 만들었지만, 싱글스레드 성능이 40% 이상 떨어져서 채택되지 않았다.
인터프리터 전체 락(GIL): 인터프리터에 락을 하나만 둔다. 단순하고 싱글스레드 성능 저하가 없다.

CPython은 후자를 택했다.

GIL의 동작

Python 스레드는 일정량의 바이트코드를 실행한 뒤 GIL을 해제하고 다른 스레드에 실행 기회를 넘긴다. Python 3.2 이전에는 sys.setcheckinterval()로 바이트코드 명령어 수 기준으로 전환했고, 3.2부터는 시간 기반(기본 5ms)으로 변경되었다.

import sys
sys.getswitchinterval()  # 기본값: 0.005 (5ms)
sys.setswitchinterval(0.001)  # 1ms로 변경

I/O 작업(네트워크, 파일, sleep 등)을 할 때는 GIL을 해제한다. 따라서 I/O-bound 멀티스레딩은 GIL의 영향을 거의 받지 않는다. C 확장 모듈도 Py_BEGIN_ALLOW_THREADS 매크로로 GIL을 명시적으로 해제하고 작업할 수 있어서, numpy 같은 라이브러리는 실제로 멀티코어를 활용한다.

// C 확장에서 GIL 해제
Py_BEGIN_ALLOW_THREADS
// GIL 없이 실행되는 CPU-intensive 코드
heavy_computation();
Py_END_ALLOW_THREADS

CPU-bound에서의 영향

GIL은 뮤텍스이므로, Python 바이트코드를 실행하려면 반드시 GIL을 획득해야 한다. GIL은 하나뿐이기 때문에 스레드가 아무리 많아도 GIL을 잡고 있는 스레드 하나만 Python 코드를 실행할 수 있고, 나머지 스레드는 전부 GIL이 풀릴 때까지 대기한다. 결국 CPU-bound 작업에서는 스레드들이 번갈아가며 순차 실행하는 것과 같아서, 코어가 여러 개 있어도 실제 병렬 실행이 이루어지지 않는다.

import threading, time

def count():
    n = 0
    for _ in range(50_000_000):
        n += 1

# 싱글스레드
start = time.time()
count()
count()
print(f"sequential: {time.time() - start:.2f}s")

# 멀티스레드 - GIL 때문에 더 빨라지지 않음
start = time.time()
t1 = threading.Thread(target=count)
t2 = threading.Thread(target=count)
t1.start(); t2.start()
t1.join(); t2.join()
print(f"threaded: {time.time() - start:.2f}s")

오히려 스레드 간 GIL 경합과 컨텍스트 스위칭 비용 때문에 멀티스레드가 더 느릴 수 있다.

우회 방법

multiprocessing

프로세스를 분리하면 각각 독립된 인터프리터와 GIL을 가진다.

from multiprocessing import Pool

def heavy(n):
    return sum(range(n))

with Pool(4) as p:
    results = p.map(heavy, [10**7] * 4)

프로세스 간 데이터 교환은 pickle 직렬화를 거치므로 IPC 오버헤드가 있다. 작업 단위가 충분히 클 때 효과적이다.

C 확장에서 GIL 해제

연산 집중 부분을 C, Cython, Rust 등으로 작성하고 GIL을 해제한다. numpy, scikit-learn 같은 라이브러리가 이 방식으로 멀티코어를 활용한다.

asyncio

I/O-bound 작업은 코루틴으로 동시성을 확보한다. GIL과 직접적인 관계는 없지만, I/O 대기 시간을 효율적으로 활용하는 대안이다.

다른 Python 구현체의 GIL

PyPy: GIL이 있다. STM(Software Transactional Memory) 기반 제거 시도가 있었지만 실용화되지 않았다.
Jython: GIL이 없다. JVM의 스레딩 모델을 그대로 사용한다.
IronPython: GIL이 없다. .NET CLR 위에서 동작한다.
RustPython: GIL이 있다.

Free-threaded CPython (PEP 703)

CPython 3.13부터 GIL을 제거한 실험적 빌드가 도입되었다.

# free-threaded 빌드 (3.13+)
./configure --disable-gil
make

GIL 없이 레퍼런스 카운팅의 안전성을 보장하기 위해 biased reference counting, deferred reference counting 등의 기법을 사용한다. 싱글스레드 성능 저하를 최소화하면서 멀티스레드 병렬 실행을 가능하게 하는 것이 목표이다.

다만 기존 C 확장 모듈들이 GIL 존재를 전제로 작성되어 있어서, 생태계 전체가 thread-safe하게 업데이트되기까지는 시간이 걸린다. CPython 3.13에서는 실험적 기능이며, 점진적으로 안정화될 예정이다.

참고

kotlin람다 표현식 kotlin범위 지정 함수 kotlin제네릭과 variance pythonPython 구현체 python패키지 관리자 ffiextern