Python‘最难’的问题——GIL问题
一、什么是GIL
GIL（解释器全局锁）
从名字上看能告诉我们很多东西，很显然，这是一个加在解释器上的全局（从解释器的角度看）锁（从互斥或者类似角度看）。
首先来看回顾一下什么是锁：
为什么加锁
由于多线程共享进程的资源和地址空间，因此，在对这些公共资源进行操作时，为了防止这些公共资源出现异常的结果，必须考虑线程的同步和互斥问题。
加锁的作用
1、用于非线程安全，2、控制一段代码，确保其不产生调度混乱。
GIL官方给出的解释
In CPython, the global interpreter lock, or GIL, is a mutex that prevents multiple native threads from executing Python bytecodes at once. This lock is necessary mainly because CPython’s memory management is not thread-safe. (However, since the GIL exists, other features have grown to depend on the guarantees that it enforces.)
在CPython中，全局解释器锁(global interpreter lock, GIL)是一个互斥体，它防止多个本机线程同时执行Python字节码。这个锁是必要的，主要是因为CPython的内存管理不是线程安全的。(然而，自从GIL存在以来，其他特性已经逐渐依赖于它强制执行的保证。)
二、GIL的影响
GIL的设计缺陷
从上文的介绍和官方的定义来看，GIL就是一把全局排他锁。这种方式当然很安全，但是这对于任何Python程序来说，不管有多少的处理器，任何时候都总是只有一个线程在执行。毫无疑问全局锁的存在会对多线程的效率有不小影响。
但是我们课上讲的例子，并不是这样啊
上课的多线程例子：
from threading import Thread
import time
def task():
time.sleep(5)
def run():
t1 = Thread(target=task)
t2 = Thread(target=task)
start = time.time()
t1.start()
t1.join()
t2.start()
t2.join()
end = time.time()
print(f'Total time: {end - start}')
'''
串行结果：
Total time:10
'''
t1.start()
t2.start()
t1.join()
t2.join()
'''
并行结果：
Total time:5
'''
但是！
看看这个
from threading import Thread
import time
def counter():
# 计数到一亿
i = 0
for _ in range(100000000):
i += 1
return True
def run():
t1 = Thread(target=counter)
t2 = Thread(target=counter)
start = time.time()
t1.start()
t1.join()
t2.start()
t2.join()
end = time.time()
print(f'Total time: {end - start}')
'''
串行结果（即单线程）：
Total time: 15.838918209075928
'''
t1.start()
t2.start()
t1.join()
t2.join()
'''
并行结果：
Total time: 16.79609990119934
（其实他们两个结果我跑的时候不相上下，但是也能说明问题）
'''
if __name__ == '__main__':
run()
问题来了。
为什么多线程并行比单线程慢，但是一些例子为什么多线程并行时间又更少？
刚刚也说了是因为GIL导致的，python解释器任何时候都是一个线程在执行。
一些情况下多线程并行快的原因是： 线程做的是i/o操作， 可以挂起当前线程去执行下一线程。因为遇到像 i/o操作这种 会有时间空闲情况 造成cpu闲置的情况会释放GIL
所以在python上只要在进行耗时的IO操作的时候，能释放GIL，这样也还是可以提升运行效率的。
为什么GIL有这个缺陷而不改进？
改不了！
为什么改不了
历史遗留问题：因为硬件的升级cpu单核变多核，当时python开发者为了利用多核，就出现了多线程编程，而随之带来的就是线程间数据一致性和状态同步的困难。 python开发者的解决方法就是加GIL这把大锁。
但是人们之后发现了这种多线程编程实现方式是垃圾的，想去除他，但是这时候已经发现离不开他了，大量的开发者已经重度依赖GIL了。
有了GIL的存在，python有这两个特点
1、进程可以利用多核，但是开销大。
2、多线程开销小，却无法利用多核优势。
也就是说Python中的多线程是假的多线程，Python解释器虽然可以开启多个线程，但同一时间只有一个线程能在解释器中执行，而做到这一点正是由于GIL锁的存在，它的存在使得CPU的资源同一时间只会给一个线程使用，而由于开启线程的开销小，所以多线程才能有一片用武之地，不然就真的是鸡肋了。
而python的多线程到底有没有用呢？
有用。我们需要看任务是I/O密集型，还是计算密集型：
如果是I/O密集型任务，有再多核也没用，即能开再多进程也没用，所以我们利用python的多线程一点问题也没有；
如果是计算密集型任务，我们就直接使用多进程就可以了
如何解决GIL锁带来的问题
1、不用cpython，使用jpython（不太推荐）
2、使用多进程完成多线程任务（python专家推荐）
用multiprocess来代替Thread
multiprocess库的出现很大程度上是为了弥补thread库因为GIL而低效的缺陷。它完整的复制了一套thread所提供的接口方便迁移。唯一的不同就是它使用了多进程而不是多线程。每个进程有自己的独立的GIL，因此也不会出现进程之间的GIL争抢。
但是它的引入会增加程序实现时线程间数据通讯和同步的困难。
3、使用多线程时用c语言实现