GIL全局解释器锁

        Python 代码的执行是由 Python 虚拟机（又名解释器主循环）进行控制的。Python 在 设计时是这样考虑的，在主循环中同时只能有一个控制线程在执行，就像单核 CPU 系统 中的多进程一样。内存中可以有许多程序，但是在任意给定时刻只能有一个程序在运行。 同理，尽管 Python 解释器中可以运行多个线程，但是在任意给定时刻只有一个线程会被 解释器执行。

        对 Python 虚拟机的访问是由全局解释器锁（GIL）控制的。这个锁就是用来保证同时只 能有一个线程运行的。在多线程环境中，Python 虚拟机将按照下面所述的方式执行。                                                                                                                                     1．设置 GIL。                                                                                                                                                                         2．切换进一个线程去运行。                                                                                                                                                   3．执行下面操作之一。                                                                                                                                                                  a．指定数量的字节码指令。                                                                                                                                                 b．线程主动让出控制权（可以调用 time.sleep(0)来完成）。                                                                                       4．把线程设置回睡眠状态（切换出线程）。                                                                                                                         5．解锁 GIL。                                                                                                                                                                         6．重复上述步骤。                                                                                                                                      当调用外部代码（即，任意 C/C++扩展的内置函数）时，GIL 会保持锁定，直至函数执 行结束（因为在这期间没有 Python 字节码计数）。编写扩展函数的程序员有能力解锁 GIL， 然而，作为 Python 开发者，你并不需要担心 Python 代码会在这些情况下被锁住。                                                                                                                                                          例如，对于任意面向 I/O 的 Python 例程（调用了内置的操作系统 C 代码的那种）， GIL 会在 I/O 调用前被释放，以允许其他线程在 I/O 执行的时候运行。而对于那些没有太 多 I/O 操作的代码而言，更倾向于在该线程整个时间片内始终占有处理器（和 GIL）。换 句话说就是，I/O 密集型的 Python 程序要比计算密集型的代码能够更好地利用多线程 环境。