什么是 GIL ？
GIL，全称 Global Interpreter Lock, 即全局解释器锁, 它的官方解释如下：
In CPython, the global interpreter lock, or GIL, is a mutex that protects access to Python objects, preventing multiple threads from executing Python bytecodes at once. This lock is necessary mainly because CPython’s memory management is not thread-safe. (However, since the GIL exists, other features have grown to depend on the guarantees that it enforces.)
在 CPython 解释器中，全局解释器锁 GIL 是在于执行 Python 字节码时，为了保护访问 Python 对象而阻止多个线程执行的一把互斥锁。
这把锁的存在主要是因为 CPython 解释器的内存管理不是线程安全的。然而直到今天 GIL 依旧存在，现在很多功能已经习惯于依赖它作为执行的保证。
- GIL 是存在于 CPython 解释器中的，属于解释器层级，而并非属于 Python 的语言特性。也就是说，如果你自己有能力
实现一个 Python 解释器，完全可以不用 GIL。 - GIL 是为了让解释器在执行 Python 代码时，同一时刻只有一个线程在运行，以此保证
内存管理是安全的 - 历史原因，现在很多 Python 项目已经习惯于依赖 GIL (开发者认为 Python 就是线程安全的，写代码时对共享资源的访问不会加锁)
常见的 Python 解释器还有：
- CPython
- IPython
- PyPy: 目标是加快执行速度，采用 JIT 技术，对 Python 代码进行动态编译，可以显著提高代码的执行速度。
- Jpython: 运行在 Java 平台的 Python 解释器，可以把 Python 编译为 Java 字节码
- IronPython: .Net 平台
GIL 带来的问题
一个 Python 线程想要执行一段代码，必须先拿到 GIL 锁后才被允许执行，也就是说，即使我们使用了多线程，但同一时刻却只有一个线程在执行。
GIL 原理
其实，由于 Python 的线程就是 C 语言的 pthread, 它是通过操作系统调度算法调度执行的。
python3.x 进行了优化，基于固定时间的调度方式，就是每执行固定时间的字节码，或者遇到系统 IO 时，强制释放
GIL，触发系统的线程调度。
而在python3.x中，GIL不使用 ticks 计数，改为使用计时器（执行时间达到阈值后，当前线程释放GIL），
这样对CPU密集型程序更加友好，但依然没有解决GIL导致的同一时间只能执行一个线程的问题，所以效率依然不尽如人意。
多核多线程比单核多线程更差，原因是单核下多线程，每次释放GIL，唤醒的那个线程都能获取到GIL锁，所以能够无缝执行，
但多核下，CPU0释放GIL后，其他CPU上的线程都会进行竞争，但GIL可能会马上又被CPU0拿到，导致其他几个CPU上被唤醒后的线程会醒着等待到切换时间后又进入待调度状态，这样会造成线程颠簸(thrashing)，导致效率更低
而线程在调度时，又依赖系统的 CPU 环境，也就是在单核 CPU 或者多核 CPU 下，多线程在调度切换时的成本是不同的。
如果多线程运行一个 CPU 密集型任务，那么 Python 多线程是无法提高运行效率的。
如果需要运行 IO 密集型任务，Python 多线程是可以提高运行效率的。
解决方案
- IO 密集型任务场景，可以使用多线程提高运行效率
- CPU 密集型任务场景，不使用多线程，推荐使用多进程方式部署运行
- 更换没有 GIL 的 Python 解释器，需要预评估运行结果是否与 CPython 一致
- 编写 Python 的 C 扩展模块，将 CPU 密集型任务交给 C 模块处理。