jpython解释器_粗略说一下cpython解释器中的GIL锁

今天在用cpython解释器写多线程的时候发现一些有趣的现象，我们先来看一下这些现象：

运行代码：

while True:

pass

然后我们打开任务管理器，可以看到一个主线程可以直接把一个cpu占满：只有一个主线程进行死循环便可以占满一个cpu

接下来是一个主线程加上一个子线程：

运行代码：

import threading

#子线程死循环

def test():

while True:

pass

t1 = threading.Thread(target=test)

t1.start()

#主线程死循环

while True:

pass

这个时候的现象是：明明有两个线程在运行，可是这两个线程的cpu占有率加起来才达到了100%

有学习过其他编程语言的朋友一定会知道，在其他语言中多线程中只要线程数达到了cpu核数那么是可以直接占满cpu的，那么在cpython中为什么会有这种现象呢？因为在python的创始人Guido van Rossum(吉多·范罗苏姆)创建python时就只考虑到单核cpu的情况，当时想让一个cpu做不同的事情那么就只能加锁，在cpython线程运行前首先获得这把全局解释锁(GIL)。事实上在cpython中，多核cpu运行多线程的时候，同一时间(同一时间片内)只允许一个核运行多线程中的一个线程。那么有人可能要问了，那为什么上面的这幅图显示两个核心加起来是100%呢？其实，真实的情况是只有一个核在运行，并且这个核的使用率只达到了它的一半左右，intel公司在开发多核cpu时加入了一些内部机制使的多核心可以交替运行。

简单的理解就是：多线程会去抢占多核cpu中总共加起来100%的cpu使用率，同一时间只能有一个线程在其中的一个核中运行。

CPython解释器中的GIL锁确实是一个历史遗留问题，但是我们也是有办法可以规避的，下面给出3种方案可以解决这个问题：更换cpython为jpython(不建议)

使用多进程完成多线程的任务(资源占用会多一些)

在使用多线程可以使用c语言去实现(python胶水语言的特性

总结一下：GIL是全局解析器锁,保证在同一时刻只有一个线程可以使用cpu