GIL锁 在CPython中，这个全局解释器锁，也称GIL，是一个互斥锁，防止多个线程在同一时间执行pyonty字节码，这个锁是非常重要的，因为cpython的内存管理非线程安全的，很多其他的特性依赖于GIL，所以即使它影响了程序效率也无法将其直接去掉。 总结：在cpython中，GIL会把线程的并行变成串行，导致效率降低（需要的是知道的是，解释器并不是只有cpython，还有pypy,jpython等等。GIL也存在与cpython中，这并不是python这门语言的问题，而是cpython解释器的问题）
GIL与GC的孽缘
在使用Python中进行编程时，程序员无需参与内存的管理工作，这是因为Python有自带的内存管理机制，简称GC。那么GC与GIL有什么关联？
要搞清楚这个问题，需先了解GC的工作原理，Python中内存管理使用的是引用计数，每个数会被加上一个整型的计数器，表示这个数据被引用的次数，当这个整数变为0时则表示该数据已经没有人使用，成了垃圾数据。
当内存占用达到某个阈值时，GC会将其他线程挂起，然后执行垃圾清理操作，垃圾清理也是一串代码，也就需要一条线程来执行。
示例代码：
from threading import Thread
def task():
a = 10
print(a)
# 开启三个子线程执行task函数
Thread(target=task).start()
Thread(target=task).start()
Thread(target=task).start()
通过上图可以看出，GC与其他线程都在竞争解释器的执行权，而CPU何时切换，以及切换到哪个线程都是无法预支的，这样一来就造成了竞争问题，假设线程1正在定义变量a=10，而定义变量第一步会先到到内存中申请空间把10存进去，第二步将10的内存地址与变量名a进行绑定，如果在执行完第一步后，CPU切换到了GC线程，GC线程发现10的地址引用计数为0则将其当成垃圾进行了清理，等CPU再次切换到线程1时，刚刚保存的数据10已经被清理掉了，导致无法正常定义变量。
当然其他一些涉及到内存的操作同样可能产生问题问题，为了避免GC与其他线程竞争解释器带来的问题，CPython简单粗暴的给解释器加了互斥锁，如下图所示：有了GIL后，多个线程将不可能在同一时间使用解释器，从而保证了解释器的数据安全。
GIL的加锁与解锁时机
加锁的时机：在调用解释器时立即加锁
解锁时机：
-
当前线程遇到了IO时释放
-
当前线程执行时间超过设定值时释放
GIL的优点：
-
保证了CPython中的内存管理是线程安全的
GIL的缺点：
-
互斥锁的特性使得多线程无法并行
但我们并不能因此就否认Python这门语言，其原因如下:
-
GIL仅仅在CPython解释器中存在，在其他的解释器中没有，并不是Python这门语言的缺点
-
在单核处理器下，多线程之间本来就无法真正的并行执行
-
在多核处理下，运算效率的确是比单核处理器高，但是要知道现代应用程序多数都是基于网络的(qq,微信,爬虫,浏览器等等)，CPU的运行效率是无法决定网络速度的，而网络的速度是远远比不上处理器的运算速度，则意味着每次处理器在执行运算前都需要等待网络IO，这样一来多核优势也就没有那么明显了
-
总结：
1.单核下无论是IO密集还是计算密集GIL都不会产生任何影响
2.多核下对于IO密集任务，GIL会有细微的影响，基本可以忽略
3.Cpython中IO密集任务应该采用多线程，计算密集型应该采用多进程
另外：之所以广泛采用CPython解释器，就是因为大量的应用程序都是IO密集型的，还有另一个很重要的原因是CPython可以无缝对接各种C语言实现的库，这对于一些数学计算相关的应用程序而言非常的happy，直接就能使用各种现成的算法
-