一、GIL全局解釋器鎖

1、GIL鎖不是python的特點(diǎn)。而是cpython的特點(diǎn)。

2、在cpython解釋器中，GIL是一把互斥鎖，用來(lái)保證進(jìn)程中同一個(gè)時(shí)刻只有一個(gè)線程在執(zhí)行。

3、在沒有GIL鎖的情況下，有可能多線程在執(zhí)行一個(gè)代碼的同時(shí)，垃圾回收機(jī)制對(duì)所執(zhí)行代碼的變量直接進(jìn)行回收，其他的線程再使用該變量時(shí)會(huì)導(dǎo)致運(yùn)行錯(cuò)誤。

二、為什么會(huì)有GIL鎖？

python使用引用計(jì)數(shù)為主，標(biāo)記清楚和隔代回收為輔來(lái)進(jìn)行內(nèi)存管理。所有python腳本中創(chuàng)建的對(duì)象，都會(huì)配備一個(gè)引用計(jì)數(shù)，來(lái)記錄有多少個(gè)指針來(lái)指向它。當(dāng)對(duì)象的引用技術(shù)為0時(shí)，會(huì)自動(dòng)釋放其所占用的內(nèi)存。

假設(shè)有2個(gè)python線程同時(shí)引用一個(gè)數(shù)據(jù)（a=100，引用計(jì)數(shù)為1），

2個(gè)線程都會(huì)去操作該數(shù)據(jù)，由于多線程對(duì)同一個(gè)資源的競(jìng)爭(zhēng)，實(shí)際上引用計(jì)數(shù)為3，

但是由于沒有GIL鎖，導(dǎo)致引用計(jì)數(shù)只增加1（引用計(jì)數(shù)為2）

這造成的后果是，當(dāng)?shù)?個(gè)線程結(jié)束時(shí)，會(huì)把引用計(jì)數(shù)減少為1；當(dāng)?shù)?個(gè)線程結(jié)束時(shí)，會(huì)把引用計(jì)數(shù)減少為0；

當(dāng)下一個(gè)線程再次視圖訪問這個(gè)數(shù)據(jù)時(shí)，就無(wú)法找到有效的內(nèi)存了**

三、多線程無(wú)法利用多核優(yōu)勢(shì)？

由于GIL鎖的存在，即使是多個(gè)線程處理任務(wù)，但是最終只有一個(gè)線程在工作，那么是不是多線程真的一點(diǎn)用處都沒有了呢？

對(duì)于需要執(zhí)行的任務(wù)來(lái)說(shuō)，分為兩種：計(jì)算密集型、IO 密集型

假如一個(gè)計(jì)算密集型的任務(wù)需要10s的執(zhí)行時(shí)間，總共有4個(gè)這樣的任務(wù)

在 4核及以上的情況下：
多進(jìn)程：需要開啟 4 個(gè)進(jìn)程，但是 4 個(gè) CPU 并行，最終只需要消耗 10s 多一點(diǎn)的時(shí)間。
多線程：只需要開1 個(gè)進(jìn)程，這個(gè)進(jìn)程開啟 4 個(gè)線程，開啟線程所消耗的資源很少，但是由于最終執(zhí)行是只有一個(gè) CPU 可以工作，所以最終消耗 40s 多的時(shí)間。

假如是多個(gè) IO密集型 的任務(wù)

CPU 大多數(shù)時(shí)間是處于閑置狀態(tài)，頻繁的切換

多進(jìn)程：進(jìn)程進(jìn)行切換需要消耗大量資源
多線程：線程進(jìn)行切換并不需要消耗大量資源

計(jì)算密集型和IO密集型

計(jì)算密集型：要進(jìn)行大量的數(shù)值計(jì)算，例如進(jìn)行上億的數(shù)字計(jì)算、計(jì)算圓周率、對(duì)視頻進(jìn)行高清解碼等等。這種計(jì)算密集型任務(wù)雖然也可以用多任務(wù)完成，但是花費(fèi)的主要時(shí)間在任務(wù)切換的時(shí)間，此時(shí)CPU執(zhí)行任務(wù)的效率比較低。

IO密集型：涉及到網(wǎng)絡(luò)請(qǐng)求(time.sleep())、磁盤IO的任務(wù)都是IO密集型任務(wù)，這類任務(wù)的特點(diǎn)是CPU消耗很少，任務(wù)的大部分時(shí)間都在等待IO操作完成（因?yàn)镮O的速度遠(yuǎn)遠(yuǎn)低于CPU和內(nèi)存的速度）。對(duì)于IO密集型任務(wù)，任務(wù)越多，CPU效率越高，但也有一個(gè)限度。

計(jì)算密集型——采用多進(jìn)程

執(zhí)行時(shí)間為： 4.062887668609619

from multiprocessing import Process
import time

def func1():
    sum=0
    for i in range(100000000):
        sum+=1
    print(sum)

if __name__ == '__main__':

    now=time.time()
    l=[]
    for i in range(10):
        p=Process(target=func1)
        p.start()
        l.append(p)
    for p in l:
        p.join()
    end=time.time()
    print('執(zhí)行時(shí)間為：',end-now)

計(jì)算密集型——采用多線程

執(zhí)行時(shí)間為： 27.6159188747406

from threading import Thread
import time

def func1():
    sum=0
    for i in range(100000000):
        sum+=1
    print(sum)

if __name__ == '__main__':

    now=time.time()
    l=[]
    for i in range(10):
        p=Thread(target=func1)
        p.start()
        l.append(p)
    for p in l:
        p.join()
    end=time.time()
    print('執(zhí)行時(shí)間為：',end-now)

IO密集型——采用多進(jìn)程

執(zhí)行時(shí)間為： 5.388434886932373

from multiprocessing import Process
import time

def func1():
    time.sleep(2)

if __name__ == '__main__':

    now=time.time()
    l=[]
    for i in range(100):
        p=Process(target=func1)
        p.start()
        l.append(p)
    for p in l:
        p.join()
    end=time.time()
    print('執(zhí)行時(shí)間為：',end-now)

IO密集型——采用多線程

執(zhí)行時(shí)間為： 2.0174973011016846

from threading import Thread
import time

def func1():
    time.sleep(2)

if __name__ == '__main__':

    now=time.time()
    l=[]
    for i in range(100):
        p=Thread(target=func1)
        p.start()
        l.append(p)
    for p in l:
        p.join()
    end=time.time()
    print('執(zhí)行時(shí)間為：',end-now)

四、總結(jié)

對(duì)于IO密集型應(yīng)用，即便有GIL存在，由于IO操作會(huì)導(dǎo)致GIL釋放，其他線程能夠獲得執(zhí)行權(quán)限。由于多線程的通訊成本低于多進(jìn)程，因此偏向使用多線程。

對(duì)于計(jì)算密集型應(yīng)用，由于CPU一直處于被占用狀態(tài)，GIL鎖直到規(guī)定時(shí)間才會(huì)釋放，然后才會(huì)切換狀態(tài)，導(dǎo)致多線程處于絕對(duì)的劣勢(shì)，此時(shí)可以采用多進(jìn)程+協(xié)程。