什么是gil锁、python的垃圾回收机制是什么样的？解释为什么计算密集型用多进程，io密集型用多线程
1 什么是gil锁
-全局解释器锁:
它的本质就是一个大的互斥锁，它是cpython的一个机制，gil只存在于cpython解释器，它限制了一个线程只有获取到了gil锁，才能执行，如果没有拿到gil锁，线程是不能执行的
-解释器不仅仅只有cpython，pypy，jpython
gil锁的作用是什么？
-限制线程只有获得到它才能执行
为什么要有gil锁？
-保证数据安全？ 用互斥锁就可以了，gil锁不能保证数据安全
python的垃圾回收机制，需要垃圾回收线程来做，如果同一时刻，有多个线程在同时执行，垃圾回收就可能会把正在其他线程使用的变量给回收掉，因为当时只有单核电脑，本来统一时刻就不能有多个线程同时执行，于是作者就干脆做了一个gil锁，让线程必须获得到gil锁，才能执行，但后来随着多核的出现，导致python的多线程并不能利用多核
2 python的垃圾回收机制是什么样的？
-高级一点的语言，为了保证内存的使用效率，都会有垃圾回收的机制，而咱们python使用以下三种方式来做垃圾回收
-引用计数
-有多少个变量指向它，它的引用计数就为几，当引用计数为0，说明没有变量指向它了，这块内存空间就会被回收掉
-引用计数存在问题：循环引用问题
-标记清除
-是为了解决引用计数存在的循环引用问题的
-第一阶段是标记阶段，它会把所有的『活动对象』打上标记，第二阶段是把那些没有标记的对象『非活动对象』进行回收
-它会把循环引用的内存空间，打上标记，然后回收掉
-分代回收
-把对象分为三代，一开始，对象在创建的时候，放在一代中，如果在一次一代的垃圾回收检查中，该对象存活下来，就会被放到二代中，同理在一次二代的垃圾检查中，该对象存活下来，就会被放到三代中，后面优先检查第一代中的对象，优先回收，其次依次往上检查做回收
3 解释为什么计算密集型用多进程，io密集型用多线程
计算密集型任务：
计算密集型任务是指那些需要大量 CPU 计算资源的任务，例如复杂的数学运算、图像处理、加密解密等。这类任务主要消耗 CPU 时间，而不涉及大量的数据读写操作。对于计算密集型任务，使用多进程可以充分利用多个 CPU 核心，因为每个进程都在独立的地址空间中运行，不会受到 GIL的限制。每个进程都有自己的 GIL，因此可以在多个 CPU 核心上并行执行任务，从而提高整体计算性能。
I/O 密集型任务：
I/O 密集型任务是指那些涉及大量 I/O 操作的任务，例如文件读写、网络通信、数据库访问等。在这类任务中，CPU 等待数据的读写操作完成时会处于空闲状态，浪费了大量的计算资源。对于 I/O 密集型任务，使用多线程更为适合，因为线程之间共享同一个进程的地址空间，可以共享数据和资源，同时一个线程在进行 I/O 操作时，其他线程仍然可以继续执行，提高了 CPU 的利用率。
总结：
计算密集型任务适合使用多进程，可以充分利用多核 CPU 并行计算，提高计算性能。
I/O 密集型任务适合使用多线程，可以在等待 I/O 操作的时候利用 CPU 执行其他任务，提高整体效率。
需要注意的是，在 Python 中，由于 GIL 的存在，多线程并不适合用于 CPU 密集型任务。如果在 Python 中处理计算密集型任务，应该选择使用多进程来充分发挥多核 CPU 的性能。
-由于GIL锁的存在，即便是多核机器，同一时刻，也只能有一个线程在执行
-线程需要cpu去调度执行
-如果开了多线程，是计算密集型，计算是消耗cpu，假设是四核电脑，不能充分利用这四个核，只能有一个核在执行，开多线程没有用
-而如果计算密集型，开了多进程，gil是在cpython解释器进程中的，再进程中开启线程执行计算，可以充分利用多核优势
-开了一个进程，就开了一个cpython解释器的进程，就会有一个gil锁
由于GIL锁的存在，即便是多核机器，同一时刻，也只能有一个线程在执行
线程需要cpu去调度执行
如果开了多线程，是计算密集型，计算是消耗cpu，假设是四核电脑，不能充分利用这四个核，只能有一个核在执行，开多线程没有用
而如果计算密集型，开了多进程，gil是在cpython解释器进程中的，再进程中开启线程执行计算，可以充分利用多核优势
开了一个进程，就开了一个cpython解释器的进程，就会有一个gil锁
由于GIL锁的存在，如果是计算密集型，开启多线程，不能利用多核优势，
开启多进程，可以利用多核优势
io不耗费cpu，开启多线程，在一个时间段内是有并发效果的
即便是io密集型，用多进程是不是会显著提高效率？
本身开启进程是非常消耗资源的，如果是io密集型，没有必要开多进程，并不会有显著的效率提升
