Pemrograman

Python Tanpa GIL (Free-Threading): Sudah Siap Dipakai di 2026?

Sejak Python 3.14, build free-threaded resmi didukung. Apa artinya untuk performa, library mana yang sudah kompatibel, dan bagaimana mengujinya sendiri.

NP
novan putra 17 Juni 2026 · 3 mnt baca · 1.501 dilihat
Python Tanpa GIL (Free-Threading): Sudah Siap Dipakai di 2026?

Global Interpreter Lock (GIL) adalah "kunci" di CPython yang memastikan hanya satu thread mengeksekusi bytecode Python pada satu waktu. Akibatnya, kode Python yang berat di CPU tidak bisa memanfaatkan banyak core lewat thread biasa. Lewat PEP 703, build tanpa GIL mulai diperkenalkan secara eksperimental di Python 3.13, dan di Python 3.14 (Oktober 2025) statusnya naik menjadi officially supported lewat PEP 779. Di pertengahan 2026, pertanyaan yang ramai: sudah bisa dipakai serius belum?

Memasang Build Free-Threaded

Build ini terpisah, biasanya bernama python3.14t.

# Dengan uv (cara termudah)
uv python install 3.14t
uv run --python 3.14t python -VV

# Cek apakah GIL benar-benar nonaktif
python3.14t -c "import sys; print(sys._is_gil_enabled())"   # False
Thread di Python: dengan GIL vs free-threaded
Untuk tugas I/O-bound, perbedaannya kecil; yang paling diuntungkan adalah tugas CPU-bound.

Benchmark Sederhana

# bench.py
import time
from concurrent.futures import ThreadPoolExecutor

def hitung_prima(n: int) -> int:
    jumlah = 0
    for x in range(2, n):
        if all(x % d for d in range(2, int(x ** 0.5) + 1)):
            jumlah += 1
    return jumlah

def jalankan(thread: int):
    mulai = time.perf_counter()
    with ThreadPoolExecutor(max_workers=thread) as ex:
        list(ex.map(hitung_prima, [60_000] * 8))
    return time.perf_counter() - mulai

for t in (1, 2, 4, 8):
    print(f"{t} thread: {jalankan(t):.2f} detik")
python3.14  bench.py   # dengan GIL: waktu hampir sama berapa pun jumlah thread
python3.14t bench.py   # free-threaded: waktu turun seiring bertambahnya thread

Di build dengan GIL, menambah thread hampir tidak membantu. Di build free-threaded, waktu eksekusi turun mendekati linear sesuai jumlah core — selama tugasnya benar-benar CPU-bound.

Hal yang Perlu Diwaspadai

1. Performa single-thread sedikit lebih lambat

Build free-threaded punya overhead tambahan untuk menjaga keamanan memori. Jika aplikasimu tidak memakai thread, build biasa tetap pilihan terbaik.

2. Race condition jadi nyata

Kode yang dulu "kebetulan aman" karena GIL bisa bermasalah:

import threading

counter = 0
lock = threading.Lock()

def tambah():
    global counter
    for _ in range(100_000):
        with lock:          # tanpa lock, hasil bisa kurang dari seharusnya
            counter += 1

threads = [threading.Thread(target=tambah) for _ in range(8)]
for t in threads: t.start()
for t in threads: t.join()
print(counter)  # 800000

3. Kompatibilitas library C

Ekstensi C harus mendeklarasikan dukungan free-threading. Jika tidak, interpreter akan mengaktifkan kembali GIL secara otomatis dan menampilkan peringatan. Cek status library populer:

python3.14t -c "import numpy; print(numpy.__version__)"
# Perhatikan RuntimeWarning tentang GIL bila library belum kompatibel

Komunitas memelihara tracker kompatibilitas paket, dan banyak library ilmiah besar sudah merilis wheel khusus free-threaded.

Kapan Layak Dipakai?

Kasus Rekomendasi
Web app biasa (Django/FastAPI) Belum perlu; bottleneck di I/O
Data processing CPU-bound murni Python Layak dicoba
Pipeline ML yang bergantung banyak ekstensi C Cek kompatibilitas dulu
Script kecil sehari-hari Pakai build biasa

Penutup

Free-threading adalah perubahan terbesar di CPython dalam satu dekade. Di 2026, ia sudah resmi dan cukup stabil untuk dicoba, tapi ekosistemnya masih menyesuaikan. Mulailah dengan benchmark beban kerjamu sendiri — angka di mesinmu lebih jujur daripada klaim mana pun.

NP
Ditulis oleh

novan putra

Penulis utama blog ini.

0 Komentar

Komentar ditinjau dulu sebelum tampil.