GIL是什么
GIL并不是Python的特性，它是在实现Python解析器(CPython)时所引入的一个概念，而CPython是大部分环境下默认的Python执行环境。GIL 全称 gloabl interpreter lock (全局解释器锁) ，官方解释：
In CPython, the global interpreter lock, or GIL, is a mutex that prevents multiple native threads from executing Python bytecodes at once. This lock is necessary mainly because CPython’s memory management is not thread-safe. (However, since the GIL exists, other features have grown to depend on the guarantees that it enforces.)
这主要是针对cpython解释器来说的，其他解释器不一样。
GIL的影响
GIL遵循的原则：“一个线程运行 Python ，而其他 N 个睡眠或者等待 I/O.”（即保证同一时刻只有一个线程对共享资源进行存取）。
之前看到一直以为有GIL全局锁的的存在，那在多线程中为什么要自己再加锁呢，后来发现想错了，怎么可能会等一个线程结束了才会执行另一个线程呢，那多线程就没有了存在的必要。
有了GIL全局锁，线程间访问全局变量还是需要同步
total = 0
def add():
global total
for i in range(1000000):
total += 1
def desc():
global total
for i in range(1000000):
total -= 1
import threading
thread1 = threading.Thread(target=add)
thread2 = threading.Thread(target=desc)
thread1.start()
thread2.start()
thread1.join()
thread2.join()
print(total)
这个例子中，两个线程分别对一个全局变量total进行加和减1000000次，但是结果并不是0！而是每次运行结果都不相同。
造成这个结果的原因是GIL事实上是会释放的，python中有两种多任务处理：
- 协同式多任务处理：一个线程无论何时开始睡眠或等待网络 I/O，就会释放GIL锁
- 抢占式多任务处理：如果一个线程不间断地在 Python 2 中运行 1000 字节码指令，或者不间断地在 Python 3 运行15 毫秒，那么它便会放弃 GIL，而其他线程可以运行
这样解释之后感觉GIL没啥影响啊，反正会切换的嘛，那为什么都说由于GIL的存在，导致python的多线程比单线程还慢，按我的理解，在单核CPU下没什么不一样（也有可能有性能损失），但是在多核CPU下问题就大了，不同核心上的线程同一时刻也只能执行一个，所以不能够利用多核CPU的优势，反而在不同核心间切换时会造成资源浪费，反而比单核CPU更慢。
解决办法 - 多线程比较低效时，可用multiprocess库替代Thread库，即使用多进程而不是多线程，每个进程有自己的独立的GIL，因此也不会出现进程之间的GIL争抢。但这样的话也会带来很多其他问题，比如进程间数据通讯和同步的困难。
- 多线程也不是这么一无是处，在IO密集型操作时，用多线程还是有效果的，不会比多进程差，甚至会更好。
- 用其他解析器。像JPython和IronPython这样的解析器由于实现语言的特性，他们不需要GIL的帮助。然而由于用了Java/C#用于解析器实现，他们也失去了利用社区众多C语言模块有用特性的机会。所以这些解析器也因此一直都比较小众。毕竟功能和性能大家在初期都会选择前者。
- 等待GIL的改进。python社区也在非常努力的不断改进GIL，甚至是尝试去除GIL。并在各个小版本中有了不少的进步。
总结
由于GIL涉及到底层实现，比较复杂，想要完全搞明白还是很困难的。但是只要记住2点： - 在IO密集型型操作下，多线程还是可以的。比如在网络通信，time.sleep()延时的时候。
- 在CPU密集型操作下，多线程性能反而不如单线程，此时只能用多进程。
更多 为什么GIL导致多线程效率低下 的解释可参考以下文章
参考链接 - 深入理解 GIL：如何写出高性能及线程安全的 Python 代码
- Python的GIL是什么鬼，多线程性能究竟如何
- python下同样代码，多核多线程为什么比单核多线程慢很多？
- Python3高级编程和异步IO并发编程
作者：StormZhu
链接：https://www.jianshu.com/p/ce31d1fdd302
来源：简书
简书著作权归作者所有，任何形式的转载都请联系作者获得授权并注明出处。