Pillow项目对Python 3.13无GIL版本的技术适配实践
Python 3.13版本引入了一个重要的实验性功能——可选全局解释器锁(GIL)的构建版本,这标志着Python向真正的多线程并行迈出了重要一步。作为Python生态中重要的图像处理库,Pillow项目团队及时完成了对无GIL版本的技术适配工作,为整个Python生态的无GIL迁移提供了宝贵经验。
技术适配背景
Python传统的全局解释器锁(GIL)一直是制约多线程性能的主要瓶颈。随着PEP 703的通过,Python 3.13首次提供了可选的无GIL构建版本(称为"free-threaded"版本),这需要所有C扩展模块进行相应的适配才能正常工作。
Pillow作为Python生态中广泛使用的图像处理库,其核心部分由C语言实现,因此必须进行专门的技术适配以确保在无GIL环境下的正确性和线程安全性。
适配工作主要内容
Pillow团队系统地完成了以下关键适配工作:
-
构建系统适配:建立了专门的CI测试流程,确保代码在无GIL构建下能够正确编译和运行测试。
-
API迁移:移除了所有在无GIL构建下不安全的"借用引用"(borrowed references)API调用,改用安全的引用管理方式。
-
线程安全审计:全面检查了C扩展模块的线程安全性,确保在多线程环境下不会出现资源竞争和数据不一致问题。
-
模块标记:通过Py_mod_gil插槽明确标记C扩展模块为线程安全,告知Python解释器这些模块可以在无GIL环境下安全使用。
-
预发布支持:提供了针对无GIL构建的预编译wheel包,方便开发者提前测试和集成。
技术挑战与解决方案
在适配过程中,团队面临的主要技术挑战包括:
-
引用计数管理:无GIL环境下,传统的借用引用方式不再安全。团队通过全面审计和修改,确保所有Python对象引用都得到正确管理。
-
全局状态保护:图像处理库中可能存在一些全局状态,团队仔细检查并添加了必要的同步机制。
-
性能考量:在保证线程安全的同时,尽量减少同步操作带来的性能开销。
对生态系统的意义
Pillow项目的成功适配为Python生态中其他C扩展模块提供了重要参考。作为Python科学计算和数据处理栈的基础组件之一,Pillow的适配工作使得整个科学Python生态系统能够更顺利地过渡到无GIL的未来。
未来展望
随着Python 3.13的正式发布和Pillow 11.0.0版本的推出,开发者现在可以在无GIL环境下使用完整的图像处理功能。这为开发真正并行的图像处理应用打开了新的大门,特别是在需要处理大量图像或实时视频流的场景中。
Pillow团队将继续关注无GIL构建的稳定性和性能表现,并根据实际使用反馈进行持续优化,为Python生态的无GIL未来贡献力量。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00