高并发(一)通俗易懂解释IO,CPU密集任务及GIL

高并发优化方法：
流量优化：防盗链处理
　　前端优化：减少HTTP请求，合并css或js，添加异步请求，启用浏览器缓存和文件压缩，CDN加速，建立独立图片服务器，
　　服务端优化：页面静态化，并发处理，队列处理
　　数据库优化：数据库缓存，分库分表，分区操作，读写分离，负载均衡
　　web服务器优化：负载均衡，nginx反向代理，7,4层LVS软件

服务端优化中的并发处理需要使用多线程
线程任务分两种：
1 计算(CPU)密集型
举例：计算圆周率、对视频进行高清解码等等
特点：占用cpu资源，线程切换无开销
公式： 线程数 = CPU核数+1
2 IO密集型
举例：开发大部分都是WEB应用，涉及到大量的网络传输，不仅如此，与数据库，与缓存间的交互也涉及到IO，一旦发生IO，线程就会处于等待状态，当IO结束，数据准备好后，线程才会继续执行。因此从这里可以发现，对于IO密集型的应用，我们可以多设置一些线程池中线程的数量，这样就能让在等待IO的这段时间内，线程可以去做其它事，提高并发处理效率。
特点：cpu消耗较少，线程切换有开销
公式：线程数 = CPU核心数/(1-阻塞系数)
这个阻塞系数一般为0.8~0.9之间，也可以取0.8或者0.9。套用公式，对于双核CPU来说，它比较理想的线程数就是20，当然这都不是绝对的，需要根据实际情况以及实际业务来调整。

Python的多线程在多核CPU上，只对于IO密集型计算产生正面效果；而当有至少有一个CPU密集型线程存在，那么多线程效率会由于GIL而大幅下降。

IO是指阻塞，比如：服务器的accept,python 中的input,或者端口占用
GIL是全局排它锁，如果多线程任务是IO密集型，就会直接释放GIL，解除阻塞，提高了性能，如果多线程任务是CPU密集型，因为一个进程只有一个GIL，多个线程共享这一个GIL，所以一个线程释放了GIL，另一个就会唤醒，而释放GIL的线程就会等待下一次被唤醒,导致效率不会提高，不过可以使用多进程解决。

总之：IO密集型使用多线程，CPU密集型使用多进程

参考文献
https://www.jianshu.com/p/756c505ab828 GIL简介
https://www.cnblogs.com/cn-sbo/p/10853469.html 高并发解决方案
https://blog.csdn.net/zwjyyy1203/article/details/81558182 CPU io-密集型 计算密集型