- GIL的全稱是Global Interpreter Lock(全局解釋器鎖).只是cpython解釋器導致與python語言無關(guān)，用別的解釋器無此問題；
- 在python中，無論有多少核，同時只能執(zhí)行一個線程。究其原因，這就是由于GIL的存在導致的。
- cpython解釋器為了數(shù)據(jù)安全所做的決定。某個線程想要執(zhí)行，必須先拿到GIL，我們可以把GIL看作是“通行證”，并且在一個python進程中，GIL只有一個。拿不到通行證的線程，就不允許進入CPU執(zhí)行。
- Python多線程的工作過程：
- 拿到公共數(shù)據(jù)
- 申請GIL
- python解釋器調(diào)用os原生線程
- os操作cpu執(zhí)行運算
- 當該線程執(zhí)行時間到后，無論運算是否已經(jīng)執(zhí)行完，gil都被要求釋放
- 進而由其他進程重復上面的過程
- 等其他進程執(zhí)行完后，又會切換到之前的線程（從他記錄的上下文繼續(xù)執(zhí)行），整個過程是每個線程執(zhí)行自己的運算，當執(zhí)行時間到就進行切換（context switch）。
- python針對不同類型的代碼執(zhí)行效率也是不同的:
- CPU密集型代碼(各種循環(huán)處理、計算等等)，在這種情況下，由于計算工作多，ticks計數(shù)很快就會達到閾值，然后觸發(fā)GIL的釋放與再競爭（多個線程來回切換當然是需要消耗資源的），所以python下的多線程對CPU密集型代碼并不友好?？梢允褂枚噙M程。
- IO密集型代碼(文件處理、網(wǎng)絡爬蟲等涉及文件讀寫的操作)，多線程能夠有效提升效率(單線程下有IO操作會進行IO等待，造成不必要的時間浪費，而開啟多線程能在線程A等待時，自動切換到線程B，可以不浪費CPU的資源，從而能提升程序執(zhí)行效率)。所以python的多線程對IO密集型代碼比較友好。
- python下想要充分利用多核CPU，就用多進程。因為每個進程有各自獨立的GIL，互不干擾，這樣就可以真正意義上的并行執(zhí)行，在python中，多進程的執(zhí)行效率優(yōu)于多線程(僅僅針對多核CPU而言)。
- GIL在python中的版本差異：
- 在python2.x里，GIL的釋放邏輯是當前線程遇見IO操作或者ticks計數(shù)達到100時進行釋放。（ticks可以看作是python自身的一個計數(shù)器，專門做用于GIL，每次釋放后歸零，這個計數(shù)可以通過sys.setcheckinterval 來調(diào)整）。而每次釋放GIL鎖，線程進行鎖競爭、切換線程，會消耗資源。并且由于GIL鎖存在，python里一個進程永遠只能同時執(zhí)行一個線程(拿到GIL的線程才能執(zhí)行)，這就是為什么在多核CPU上，python的多線程效率并不高。
- 在python3.x中，GIL不使用ticks計數(shù)，改為使用計時器（執(zhí)行時間達到閾值后，當前線程釋放GIL），這樣對CPU密集型程序更加友好，但依然沒有解決GIL導致的同一時間只能執(zhí)行一個線程的問題，所以效率依然不盡如人意。
