Python多线程的理解（主要针对GIL进行分析）

多线程同步的概念

多线程同步的“同步”，指的是同步被访问的数据对象的状态（当前数据值），防止发生，例如由于多线程同时写入，而造成的数据状态冲突。

对GIL的分析

GIL的工作原理和特点分析

多核多线程模式会由于GIL被不同的核争用，其他没有GIL的核会pending，而导致多核性能会被降低为单核。

对python来说一个项目的执行，基于cpython解释器只有一个GIL，会导致出现GIL的争用。如果GPU是单核的还好，某个线程运行的时候占用GIL，用完就扔给别的线程使用，一般不会发生冲突。但是如果GPU是多核的，每个核都会运行若干线程，而这若干个核的若干线程只有一个GIL可用，会导致某个核抢到了这个GIL，并投入使用，同时其他的核会有线程被唤醒，那些没争到GIL的线程只能干等着那个占有的GIL的核的线程用完，才有可能使用到GIL进行正常的运行，如果优先级低的话，基本上很难争到GIL，导致该线程一直pending，导致其他核的线程等分配到的时钟到期了，就直接被pending了，然后再排队等待被唤醒，会进入死循环。多核中io密集型线程多还好，因为有io操作，就会有GIL的占用和释放，效率还是可以的。但是多核中只要出现一个计算密集型线程，GIL就会严重限制效率！

针对GIL缺点的解决方案

1. 不用cpython：拒绝cpython这个解释器，换别的python解释器，但是cpython是使用最普遍的，使用别的小众的解释器，会有诸多不便，所以弃用cpython值得考虑。
2. 不用多线程：GIL在多线程的问题就是，不同线程需要争用GIL，那就不用多线程，而只用多进程，每个进程都可以独立运行，就可以独立占用GIL，用完即弃，对其他的进程不影响，但是可能会失去多线程的优势，需要考虑。

GIL存在的意义

1. 对IO密集型线程很友好，尽可能降低了独占GIL的影响。

notes

CPU计算能力过剩时，可以使用多线程，反之一定要用多进程，提高效率。