[Python] Python은 GIL이 있어서 레이스 컨디션으로부터 자유로운가?

서론

Python을 사용하는 많은 개발자들이 GIL(Global Interpreter Lock)에 대해 오해하고 있다. 특히 "GIL이 있어서 Python은 멀티스레드 환경에서 레이스 컨디션으로부터 안전하다"는 생각은 매우 위험한 오해이다. 이 글에서는 실제 코드를 통해 GIL이 레이스 컨디션을 완전히 방지하지 못한다는 것을 보여준다.

GIL이란 무엇인가?

GIL은 Python 인터프리터가 한 번에 하나의 스레드만 Python 바이트코드를 실행할 수 있도록 제한하는 메커니즘이다. 이는 Python의 메모리 관리와 C 확장 모듈의 안전성을 보장하기 위해 존재한다.

 

Race Condition은 무엇인가?

Race Condition(경쟁 조건)은 두 개 이상의 작업이 동시에 실행되면서 공유 자원에 접근할 때, 실행 순서에 따라 결과가 달라지는 상황을 말한다.

간단히 예를 들면:

• 두 개의 쓰레드가 같은 변수 x를 동시에 수정하려고 할 때,
• 쓰레드 A는 x += 1, 쓰레드 B도 x += 1을 실행하지만,
• 순서에 따라 x 값이 1만 증가하거나, 2만큼 제대로 증가할 수도 있다.

이런 예측 불가능한 결과가 바로 Race Condition의 문제이다.

 

실험: GIL이 레이스 컨디션을 완전히 방지하는가?

다음과 같은 간단한 코드로 실험을 진행해본다:

import threading

# Shared variables
counter = 0
try_count = 1000

def increment_counter():
    global counter
    for _ in range(try_count):
        # Complex operation to increase chance of GIL switching to another thread
        temp = counter
        # I/O operation to increase chance of GIL release
        with open('temp.txt', 'a') as f:
            f.write('1')
        counter = temp + 1

def main():
    thread_num = 8
    # Create threads
    threads = []
    for _ in range(thread_num):
        thread = threading.Thread(target=increment_counter)
        threads.append(thread)
        thread.start()
    
    # Wait for all threads to complete
    for thread in threads:
        thread.join()
    
    # Print the final counter value
    print(f"Final counter value: {counter}")
    print(f"Expected value: {try_count * thread_num}")

if __name__ == "__main__":
    main()

 

이 코드는 8개의 스레드가 각각 1000번씩 카운터를 증가시키는 작업을 수행한다. 이론적으로는 최종 카운터 값이 8000(1000 × 8)이 되어야 한다.

결과 분석

이 코드를 실행하면 다음과 같은 결과를 얻을 수 있다:

Final counter value: 1001
Expected value: 8000

 

 

왜 이런 현상이 발생하는가?

I/O 작업 중의 GIL 해제파일 I/O 작업은 GIL을 해제한다.

이는 다른 스레드가 실행될 수 있는 기회를 제공한다.

 

읽기-수정-쓰기 패턴의 문제

   temp = counter
   with open('temp.txt', 'a') as f:
       f.write('1')
   counter = temp + 1

 

여러 스레드가 동시에 같은 temp 값을 읽을 수 있다.

I/O 작업 중에 다른 스레드가 실행되어 같은 값을 읽고 수정할 수 있다.

 

스레드 수의 영향

스레드 수가 많을수록 레이스 컨디션 발생 가능성이 높아진다.

8개의 스레드가 동시에 같은 자원에 접근하려고 시도하기 때문이다.

 

 

GIL의 한계

GIL은 다음과 같은 경우에서 레이스 컨디션을 방지하지 못한다:

1. I/O 작업이 포함된 경우

2. C 확장 모듈이 GIL을 해제하는 경우

3. 복잡한 연산이 여러 단계로 나뉘어 있는 경우

 

레이스 컨디션 방지 방법

Lock 사용

   lock = threading.Lock()
   with lock:
       counter += 1

 

Queue 사용

  from queue import Queue
   q = Queue()
   q.put(1)

 

 

Async / Await 사용

async / await을 이용한다면 훨씬 더 우아하게 이 문제를 해결할 수 있다.

https://github.com/insooneelife/PythonExamples/blob/master/race_condition/async_example.py

 

 

결론

Python의 GIL은 모든 레이스 컨디션을 방지하지 않는다. 특히 I/O 작업이 포함된 경우나 복잡한 연산이 여러 단계로 나뉘어 있는 경우에는 레이스 컨디션이 발생할 수 있다. 따라서 멀티스레드 프로그래밍을 할 때는 항상 적절한 동기화 메커니즘을 사용해야 한다.