GIL(全局解释器锁)、GIL vs 互斥锁、线程queue、进程池与线程池

互斥锁

将多个任务对共享数据修改的那一部分代码由并发变成“串行”,牺牲了效率但保证数据安全

GIL（全局解释器锁）

1.什么是GIL（这是Cpython解释器）
    GIL本质就是一把互斥锁，那既然是互斥锁，原理都一样，都是让多个并发线程同一时间只能有一个执行
    即：有了GIL的存在，同一进程内的多个线程同一时刻只能有一个在运行，意味着在Cpyhon中，一个进程下的多个线程无法实现运行===》意味着无法利用多核优势
    但不影响并发的实现
    GIL可以被比喻成执行权限，同一进程下的所有线程要想执行都需要先抢执行权限

2、为何要有GIL
    因为Cpython解释器自带垃圾回收机制不是线程安全的

3、如何用

    GIL vs 自定义互斥锁
        GIL相当于执行权限，会在任务无法执行的情况，被强行释放
        自定义互斥锁即使是无法执行，也不会自动释放

from threading import Thread,Lock
import time

mutex=Lock()
n=100

def task():
    global n
    mutex.acquire()
    temp=n
    time.sleep(0.1)
    n=temp-1
    mutex.release()

if __name__=='__main__':
    t_l=[]
    start_time=time.time()
    for i in range(3):
        t=Thread(target=task)
        t_l.append(t)
        t.start()
    
    for t in t_l:
        t.join()

    stop_time=timetime()
    print(n)
    print(stop_time-start_time)

'''
结果：
97
0.3027465343475342
'''

在一个Python的进程内，比如有test.py的主线程或者由该主线路开启的其他线程，还有解释器开启的垃圾回收线程等解释器级别的线程，这些所有的线程都会在同一个进程内运行，则：

1、所有数据都是共享的，代码作为数据也是被线程所共享的（test.py以及Cpython解释器的所有）
例如：test.py定义一个函数为running，在进程内所有线程都能访问到running的代码，比如开启了三个线程然后target都指向了该代码，能访问到说明就能执行代码。
2、所有线程的任务，都需要将任务的代码当做参数传给解释器的代码去执行，即任务需要通过解释器的代码才能正常执行

综上所述：
执行流程可以归纳为：

多个线程优先访问到解释器的代码（也就是执行权限），然后将target的代码交给解释器的代码去执行。解释器的代码对于所有线程都是共享的，包括垃圾回收线程也一样，这就导致了一个问题：对于同一个数据10，可能线程1执行x=10的同时，垃圾回收执行的也在回收10的操作，这就需要进行加锁处理，如下图的GIL，需要保证解释