Python GIL
1.什么是 GIL？
GIL 全称 Global Interpreter Lock，全局解释器锁，为 CPython 最为人诟病的地方之一。
GIL 允许我们一次只有一个线程运行在一个 CPU 上执行字节码。
GIL 为了线程运行安全，加了一把非常大的锁，不过这也使得多线程执行效率不高。无法发挥多核心的优势，并发性能非常的受限。
无法将多个线程映射到多个 CPU 上
但是！
import threading
total = 0
def add():
global total
for i in range(1000000):
total += 1
def desc():
global total
for i in range(1000000):
total -= 1
thread1 = threading.Thread(target=add)
thread2 = threading.Thread(target=desc)
thread1.start()
thread2.start()
thread1.join()
thread2.join()
print(total)
输出结果并不会一样。
可以看到，GIL 不会一直占有。会释放的，然后另外的线程便可以执行。
那么什么情况下会释放 GIL ？
会根据执行的字节码行数以及时间片来释放 GIL
或者遇到 IO 操作的时候主动释放 GIL，这属于 Python 内部的策略问题。
协同式多任务处理
当一项任务比如网络 I/O启动，而在长的或不确定的时间，没有运行任何 Python 代码的需要，一个线程便会让出GIL，从而其他线程可以获取 GIL 而运行 Python。这种礼貌行为称为协同式多任务处理，它允许并发；多个线程同时等待不同事件。
抢占式多任务处理
Python线程可以主动释放 GIL，也可以先发制人抓取 GIL 。
让我们回顾下 Python 是如何运行的。你的程序分两个阶段运行。首先，Python文本被编译成一个名为字节码的简单二进制格式。第二，Python解释器的主回路，一个名叫 pyeval_evalframeex() 的函数，流畅地读取字节码，逐个执行其中的指令。
当解释器通过字节码时，它会定期放弃GIL，而不需要经过正在执行代码的线程允许，这样其他线程便能运行：
for (;;) {
if (--ticker < 0) {
ticker = check_interval;
/* Give another thread a chance */
PyThread_release_lock(interpreter_lock);
/* Other threads may run now */
PyThread_acquire_lock(interpreter_lock, 1);
}
bytecode = *next_instr++;
switch (bytecode) {
/* execute the next instruction ... */
}
}
默认情况下，检测间隔是1000 字节码。所有线程都运行相同的代码，并以相同的方式定期从他们的锁中抽出。在 Python 3 GIL 的实施更加复杂，检测间隔不是一个固定数目的字节码，而是15 毫秒。然而，对于你的代码，这些差异并不显著。
Python GIL其实是功能和性能之间权衡后的产物，它尤其存在的合理性，也有较难改变的客观因素。从本分的分析中，我们可以做以下一些简单的总结：
- 因为GIL的存在，只有IO Bound场景下得多线程会得到较好的性能
- 如果对并行计算性能较高的程序可以考虑把核心部分也成C模块，或者索性用其他语言实现
- GIL在较长一段时间内将会继续存在，但是会不断对其进行改进
其实 GIL 算不得是低效的设计，其坏处在于锁的粒度太粗。
