GIL（Global Interpreter Look）：全局解释器锁，为了避免线程竞争资源造成数据错乱。
其实每个py程序都必须有解释器参加，解释器就是一堆代码，就等于多线程要竞争同一个解释器的代码，所以要给解释器加互斥锁。而且除了自己开的线程，还有用于垃圾回收的系统线程等，所以必须加锁
加锁以后，就意味着线程只能并发，同一时间只有一个cpu在处理线程，看起来效率很低，其实是要看cpu是用来做计算还是用来做io操作的。
如果是在io密集的程序中，cpu性能无法直接决定程序的执行速度。在计算密集的程序中，cpu的性能可以直接决定程序的执行速度。
from threading import Thread
from multiprocessing import Process
import time def task1():
sum = 1
for i in range(10000000):
sum *= i def task2():
sum = 1
for i in range(10000000):
sum *= i def task3():
sum = 1
for i in range(10000000):
sum *= i
if __name__ == '__main__':
# 开始时间
st_time = time.time()
t1 = Process(target=task1)
t2 = Process(target=task2)
t3 = Process(target=task3) t1.start()
t2.start()
t3.start() t1.join()
t2.join()
t3.join() print(time.time()-st_time)
计算密集测试（多进程效率高）
from threading import Thread
import time def task1():
time.sleep(3) def task2():
time.sleep(3) def task3():
time.sleep(3) # 开始时间
st_time = time.time()
t1 = Thread(target=task1)
t2 = Thread(target=task2)
t3 = Thread(target=task3) t1.start()
t2.start()
t3.start() t1.join()
t2.join()
t3.join() print(time.time() - st_time)
IO密集测试（多线程效率高）
GIL与自定义互斥锁的区别：
GIL只能保证解释器代码的数据的安全，要想保证开启的线程安全必须加互斥锁