详解Python GIL

首先让我们了解一下并发和并行的概念：什么是并发什么是并行,他们的区别是什么?
    举个简单的例子：
    你吃饭吃到一半，电话来了，你一直到吃完了以后才去接，这就说明你不支持并发也不支持并行.
    
    你吃饭吃到一半，电话来了，你停了下来接了电话，接完后电话以后继续吃饭，这说明你支持并发。
    
    你吃饭吃到一半，电话来了，你一边打电话一边吃饭，这说明你支持并行。
    并行与并发的理解
    并发：交替处理多个任务的能力；
    并行：同时处理多个任务的能力；
    并发的关键是你有处理多个任务的能力，不一定要同时。
    
    并行的关键是你有同时处理多个任务的能力,强调的是同时.
    
    所以它们最大的区别就是：是否是『同时』处理任务。
    
    对于一个多核cpu来说并行显然要比并发快的多
    由此我们可以知道一个多核cpu在处理多个任务的时候如果想要发挥最大功效就要实现并行
    
    那我们在使用多线程和多进程来写程序的时候就是为了让多核cup发挥他最大的功效实现并行, 

也就是我们面试题参考答案的结果
    
    代码验证多进程,多线程对cpu的使用情况
    
    1.多线程实验

 

    子线程死循环
    import threading
    
    def test():
     while True:
     pass
    
    t1 = threading.Thread(target=test)
    t1.start()

    2.主线程死循环
    while True:
     pass

    3.多进程
    import multiprocessing
    
    def deadLoop():
     while True:
     pass
    子进程死循环
    p1 = multiprocessing.Process(target=deadLoop)
    p1.start()
    主进程死循环
    deadLoop()

    通过代码可以发现 多进程可以充分使用cpu的两个内核 而多线程却不能充分使用cpu的两个内核
    问题 : 通过验证我们发现多线程并不能真正的让多核cpu实现并行。
    原因 : 
    cpython解释器中存在一个GIL(全局解释器锁),他的作用就是保证同一时刻只有一个线程可以执行代码,

因此造成了我们使用多线程的时候无法实现并行。

    解决方案法 :
    1:更换解释器 比如使用jpython(java实现的python解释器)
    2:使用多进程完成多任务的处理

    GIL（全局解释器锁）

    常见GIL面试题如下
    描述Python GIL的概念， 以及它对python多线程的影响？编写一个多线程抓取网页的程序，

并阐明多线程抓取程序是否可比单线程性能有提升，并解释原因。

    Guido的声明：点击打开链接    

he language doesn't require the GIL -- it's only the CPython virtual machine that has historically 

been unable to shed it.
    参考答案:
    Python语言和GIL没有半毛钱关系。仅仅是由于历史原因在Cpython虚拟机(解释器)，难以移除GIL。
    GIL：全局解释器锁。每个线程在执行的过程都需要先获取GIL，保证同一时刻只有一个线程可以执行代码。
    线程释放GIL锁的情况： 在IO操作等可能会引起阻塞的system call之前,可以暂时释放GIL,但在执行完毕后,

必须重新获取GIL Python 3.x使用计时器（执行时间达到阈值后，当前线程释放GIL）或Python 2.x，tickets计数

达到100
    Python使用多进程是可以利用多核的CPU资源的。
    多线程爬取比单线程性能有提升，因为遇到IO阻塞会自动释放GIL锁
    结论:
    1. 在 处理像科学计算 这类需要持续使用cpu的任务的时候 单线程会比多线程快
    2. 在 处理像IO操作等可能引起阻塞的这类任务的时候 多线程会比单线程

--------------------- 本文来自 my_qq_990814268 的CSDN 博客 ，全文地址请点击：https://blog.csdn.net/liangkaiping0525/article/details/79490323?utm_source=copy