🐍

Python 1.14 GIL フリー版を使ってみる

2025/07/07に公開

はじめに

このブログでは、Python 3.13で試験的に導入され、3.14で正式にサポートされたGILフリー版の使い方について解説します。

The free-threaded build of Python is now supported and no longer experimental. This is the start of phase II where free-threaded Python is officially supported but still optional.
https://docs.python.org/3.14/whatsnew/3.14.html#new-features

GIL(global interpreter lock)とは？
GIL（ギルと発音）とは、Pythonインタープリタ全体に対する排他ロックのことです。現行のPythonでは、GILを保持しているスレッドのみが、Pythonバイトコードを実行できる仕組みになっています。
そのため、Pythonのマルチスレッド処理は、一見すると並列に動いているように見えても、実際には1つのスレッドしか同時にPythonコードを実行できない制約があります。これは、Node.jsのようなシングルスレッド＋イベントループモデルに近いものであり、マルチコアCPUを効率的に活用できないという問題があります。
GIL自体は、Pythonランタイムの実装の一つであるCPythonの制約です。
CPythonがGILを導入した背景には、たとえばdictなどのデータ構造に対する排他制御を単純化できるという実装上のメリットがあります。GILによってスレッドセーフを担保できるため、ランタイムのコードが複雑にならずに済むというわけです。
しかし近年では、機械学習やWebアプリケーションの並列処理ニーズが増加し、マルチコアCPUを最大限に活用したいという声が高まっています。こうした背景を受けて、GILを排除したGILフリーなPythonの実装が求められるようになりました。
PEP 703 – Making the Global Interpreter Lock Optional in CPython

Node.jsと同様に、PythonのGILありマルチスレッド環境でも、I/O発生時に他スレッドへ実行権を譲ることでスループットを高める必要があります。また、処理の一部をC拡張モジュールにオフロードすることで、GILの影響を回避しつつ処理効率を上げるという手法も広く使われています。
一方で、PythonのスレッドはJavaのバーチャルスレッド、GoのGoroutine、RustのTokioのようなM:Nスケジューリングを行う軽量スレッド（いわゆるグリーンスレッド）ではなく、ネイティブなOSスレッドです。そのため、スレッド数に応じてメモリやコンテキストスイッチのコストが増加しやすく、リソース消費が大きくなります。
そのため、I/Oバウンドなワークロードにおいては、asyncioやtrioといった非同期フレームワークを用いた協調的なコンカレンシーの実装が望ましいです。これにより、スレッド数を抑えつつ効率的なI/O待ち処理が可能になります。

インストール方法

uv経由でインストールするのが簡単です。バージョンの後ろにtを付けるとGILフリー版がインストールされます。

uv経由でインストール

uv self update
uv python install 3.14t

uv python listで、自機にインストールされているpythonの一覧を取得できます。brewなど、uv以外でインストールされたpythonも検出します。

私のmac環境では、以下のように複数のPythonバージョンがインストールされていることが確認できます。なお、.local/share/uv配下にあるものは、uv経由でインストールされたPythonです。

プロジェクトの作成

先ほどインストールした Python 3.14t（GILフリー版）を使って、uv経由で新しいプロジェクトを作成します。

uvプロジェクトの作成

uv init my-python-3.14-prj
cd my-python-3.14-prj
uv python pin 3.14t
uv sync

正しいバージョンのpythonを参照しているかは、.venv/pyvenv.cfgを見ると分かります。

.venv/pyvenv.cfg

home = /Users/tafu/.local/share/uv/python/cpython-3.14.0b2+freethreaded-macos-aarch64-none/bin
implementation = CPython
uv = 0.7.13
version_info = 3.14.0b2
include-system-site-packages = false
prompt = python-3-14

コードを書く

ここからは、実際に Python コードを書いて動作を確認していきます。

まずは、Python 3.14で新たに導入されるテンプレート構文を試してみましょう。
このテンプレート構文は、DjangoテンプレートやJavaScriptのmustacheのように、
HTMLテンプレートエンジンの実装に便利な機能です。

本ブログの趣旨からは外れるため詳しくは説明しませんが、

html = t"My name is {user_name} and I love programming in Python."

のように、テンプレートを定義した上で、for item in html:でループで回しながら、テンプレート内にインジェクトされた各要素に対して処理を行うことができます。例えば、scriptタグを除去するサニタイズ処理などを書きます。

テンプレート構文

from string.templatelib import Template, Interpolation

def main():
    user_name = "Alice"
    html = t"My name is {user_name} and I love programming in Python."

    # render the template
    for item in html:
        if isinstance(item, Interpolation):
            print(item.value) # 実際はここでサニタイズとかする
        else:
            print(item)

if __name__ == "__main__":
    main()

実行します。このように表示されればOKです。

GILフリーの検証

いよいよ本題の GIL フリー環境を見ていきましょう。
とはいえ、特別な手順があるわけではなく、従来どおりマルチスレッドのコードを書くだけです。

ただし、本当に GIL が無効化されているかを確認するために、以下のようなコードを使ってチェックしてみましょう。

GIL

sys._is_gil_enabled() # FALSEが返ればOK

以下は、典型的なマルチスレッド処理の例です。

マルチスレッド

    num_threads = os.cpu_count()

    threads = []

    for i in range(num_threads):
        thread = threading.Thread(target=worker, args=(i, iterations_per_thread))
        threads.append(thread)
        thread.start()

    # Wait for all threads to complete
    for thread in threads:
        thread.join()

各スレッドが実行する処理を、worker 関数に記述します。
ここでは例として、指定された回数 n だけ整数を加算する単純なタスクを実装しています。

worker

def worker(n):
    result = 0
    for i in range(n):
        result += i

全体のコードはこちらになります。コア数/2 のスレッドを生成するようになっています。

全体のコード

import os
import threading
import time
import sys

# Function to perform a CPU-intensive task
def compute_sum(n):
    result = 0
    for i in range(n):
        result += i
    return result

# Function to run the task in a thread
def worker(thread_id, iterations):
    print(f"Thread {thread_id} starting")
    start_time = time.time()
    result = compute_sum(iterations)
    end_time = time.time()
    print(f"Thread {thread_id} finished in {end_time - start_time:.2f} seconds, result: {result}")

# Main function to create and run threads
def main():
    # Check if GIL is enabled
    gil_enabled = sys._is_gil_enabled()
    print(f"GIL enabled: {gil_enabled}")

    # Parameters
    num_threads = os.cpu_count()
    print("Number of threads to use:", num_threads)

    iterations_per_thread = 100_000_000

    # Create threads
    threads = []
    start_time = time.time()
    for i in range(num_threads // 2):
        thread = threading.Thread(target=worker, args=(i, iterations_per_thread))
        threads.append(thread)
        thread.start()

    # Wait for all threads to complete
    for thread in threads:
        thread.join()

    end_time = time.time()
    print(f"Total execution time: {end_time - start_time:.2f} seconds")

if __name__ == "__main__":
    main()

実行しましょう。

以下は、私の mac 環境で実行した際の結果です。

ご覧のとおり、全体の処理時間と各スレッドの処理時間がほぼ同じであることから、
すべてのスレッドが並列（パラレル）に実行されていたことが確認できます。

これは、GIL フリー環境で複数の CPU コアが有効に使われている証拠です。

比較のために、GILフリー対応していない、素の3.14で試して見ましょう。バーチャル環境を削除して、3.14をインストールします。

3.14版に切り替え

rm -rf .venv
uv python pin 3.14
uv sync
cat .venv/pyvenv.cfg

実行します。ご覧の通り、複数のスレッドのGIL争奪戦になるため、全体の実行時間はシングル・スレッドで実行したのとほぼ同じになります。

上の結果で、GILは5msで強制的に取り上げられるプリエンプティブな作りになっているので、それぞれのスレッドの終了時間はほぼ同時になっています。

The interval value is available for the user to read and modify
using the Python API sys.{get,set}switchinterval().

CPythonの実装はceval_gil.cにあります。特定のスレッドが繰り返しGILを取得しないような作りになっています。

試しに、setswitchintervalで１秒に変更して見ましょう。

１秒にしてみる

    sys.setswitchinterval(1.000)  # 1秒

このように Thread0 から3が、逐次的に実行されたことがわかります。スレッドが完了するまでGILを掴んで離さないため、他のスレッドがロック待ちになったためです。

Everything you need to know about Python 3.13 – JIT and GIL went up the hill
GILを無くす必要性はあるのか？といった議論は興味深いです。誰得なのかという話です。
PythonではCPUやGPUの性能を引き出すために、NumpyなどCで実装されたライブラリが多く存在します。そもそも論として、Pythonバイトコード自体(JIT無し)やGCのオーバーヘッドがあるのに、CPUヘビィな処理をPythonで書く意義はあるのかといった、ユースケースの問題です。
例えば、FastAPIのPydanticV2はRustで実装しており、低レイヤーのデータ処理はCPUやキャッシュを意識した実装が必要になります。
一方で、粒度の荒い並列化は、マルチプロセスや、Apache Sparkクラスターの方が速くなります。
他にもマルチスレッド・プログラミングには、CPUアフィニティ(スレッドを特定のCPUコアにピンする)や、クラウド、サーバレス、Kubernetesなどの仮想的なCPUでの挙動など、何かと意識する問題があり、低レイヤーの知識が要求されます。
ちなみに、JIT and GIL(ジット and ギル)とは、マザーグースの童謡のJack and Jilと韻を踏んでいます。