因为在python设计出来的年代根本就没有多核这一说法，都是单核cpu，因为线程是cpu执行的最小单位，在单核情况下，我们的python进程中就算开了多条线程，在同一个时刻也只有一个线程被cpu调度执行，当某一个线程在执行时，其他线程都是停止工作的，所以不会同时对一个数据进行操作导致数据混乱。

但是随着发展，出现了多核cpu，那么多个cpu就能执行多条线程，而我们的python解释器是一个进程，在进程中，线程是数据共享的。假设现在cpu1运行线程1，cpu2运行线程2，如果线程1与线程2正好都需要对同一个变量进行操作，就会产生并发数据不安全的问题。（上面不会出现数据安全问题是因为只有一个cpu，也就只有一条线程在运行。不会出现多条线程同时操作一个数据）。所以龟叔想了一个办法，就在cpython解释器上加了一把互斥锁，也就是GIL，在cpython解释器中，必须要获得这把互斥锁，线程才能被调度执行，这就又保证了在同一情况，只有拿到锁的那个线程会被运行，保证了数据安全，也就是只有一个cpu在运行。这就是大家诟病的cpython慢的原因，因为GIL锁是互斥锁，只能被一个线程获得，那么cpu再多也没用了，因为抢不到锁就得等着，这就是cpython无法利用多核优势的原理。

后来龟叔一看，这样性能太差不行啊，所以他允许开多进程，开了多个进程那么就有多个python解释器进程，可以有多个GIL锁，也就可以有多个线程同时执行，并且因为进程之间是数据隔离的，也就不会产生数据混乱的问题。（首先进程间数据隔离了，不会相互改，并且在各自的进程中又有GIL锁，又保证各个线程数据的安全）。

本人在这里产生了一个问题，就是在一个线程中，当我们定义一个变量，比如a=1时候，我们知道，python定义一个变量，是先产生一个a放在栈区，然后在堆区产生数据1，然后把对应关系建立，此时a的引用计数才为1，那么如果当我们在a刚产生的时候，线程的时间片正好到了，那么此时a的引用计数为0，这个线程的GIL锁释放，又正好被垃圾回收线程抢到了，按照垃圾回收的原理，a应该被回收，那么GIL锁不是就无法保护我们的数据安全了吗？

其实答案很简单，因为在python在，变量的定义与赋值是一个原子性操作，原子性操作是不会被中断的，他不会被cpu的线程调度打断，即如果他开始了，那么一直到他结束，cpu都不会让出他的执行。所以也就不会产生上述的问题，其实在python中，有大量的原子性操作，即使像字典和类成员赋值这样的操作也是原子性。