GIL

GIL：global interpreter lock（cpython）
在python中，一个线程对应于c中的一个线程。
gil使得同一个时刻只有一个线程在CPU上执行字节码（python在执行的时候会将py文件编译成字节码）。
同时也预示着无法将多个线程映射到多个CPU上运行，无法体现多CPU的优势。
只要运行一个python进程，里面不管有多少个线程，他都只能运行在一个CPU上。
在其它静态语言里面可以将多个线程映射到多个CPU上。
因此，在python里面，并发就非常受限，python一直在努力的去GIL化。
但是短期内是无法实现的，因为大量的第三方包都是使用cpython来完成的。
当然也有其它的解释器，比如pypi去GIL化。

GIL锁为了线程运行安全，因为多个线程运行，尤其是运行同一段代码的时候，十分容易出错。
所以python在最初的时候就加了一把GIL锁，这使得同一时刻只有一个线程在CPU上执行字节码。
这样保证了某种程度上线程是安全的。python正是由于GIL锁使得多线程的效率不是很高。

虽然同一时刻只有一个线程运行在CPU上，那么是否就意味着编写多线程编码就是安全的了？
就不去考虑线程间的同步了？实际上不是的。
通过下面示例可以知道，GIL锁会在适当的时间释放掉，不会一直占有。

from threading import Thread
from multiprocessing import Process

a = 0
def add():
    global a
    b = 0
    for i in range(1000000):
        a += 1
        b += 1
    print("循环次数：",b)

def desc():
    global a
    c = 0
    for i in range(1000000):
        a -= 1
        c += 1
    print("循环次数：",c)

def task():
    t1 = Thread(target=add)
    t2 = Thread(target=desc)
    t1.start()
    t2.start()
    t1.join()
    t2.join()
    print(a)

if __name__ == "__main__":
    for i in range(4):
        p = Process(target=task)
        p.start()
        p.join()

如果按照代码的逻辑，那么最终打印的结果都为0。
执行结果：
循环次数： 1000000
循环次数： 1000000
-4652
循环次数： 1000000
循环次数： 1000000
468960
循环次数： 1000000
循环次数： 1000000
-61354
循环次数： 1000000
循环次数： 1000000
196468
我们发现每次的执行结果都不相同，
原因可能有二：
第一，两个任务没有做完，
第二，两个任务之间的变量相互影响，也就是GIL锁在途中被释放掉了。
我们通过打印循环次数说明任务都做完了，那么就只能是GIL锁在任务执行过程中被释放掉了，导致两个任务的a变量相互影响。

当把GIL这把锁交给一个线程之后，他不会等到线程执行完毕之后再释放。
它会根据字节码执行的行数以及时间片，然后把它释放出来。
另外，当GIL遇到IO操作的时候也会释放。也正是由于这个原因，GIL在IO操作频繁的时候非常适用。