前言
python的使用者都知道Cpython解釋器有一個弊端，真正執行時同一時間只會有一個線程執行，這是由於設計者當初設計的一個缺陷，里面有個叫GIL鎖的，但他到底是什么？我們只知道因為他導致python使用多線程執行時，其實一直是單線程，但是原理卻不知道，那么接下來我們就認識一下GIL鎖
什么是GIL鎖
GIL（Global Interpreter Lock）不是Python獨有的特性，它只是在實現CPython（Python解釋器）時，引入的一個概念。在官方網站中定義如下：
In CPython, the global interpreter lock, or GIL, is a mutex that prevents multiple native 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.)
由定義可知，GIL是一個互斥鎖（mutex）。它阻止了多個線程同時執行Python字節碼，毫無疑問，這降低了執行效率。理解GIL的必要性，需要了解CPython對於線程安全的內存管理機制。
CPython對線程安全的內存管理機制
Python使用引用計數來進行內存管理，在Python中創建的對象都會有引用計數，來記錄有多少個指針指向它。當引用計數的值為0時，就會自動釋放內存
我們來看一個小例子，來解釋引用計數的原理
>>> import sys
>>> a = []
>>> b = a
>>> sys.getrefcount(a)
3
可以看到，a 的引用計數值為 3，因為有 a、b 和作為參數傳遞的 getrefcount 都引用了一個空列表。
如果有2個python線程同時引用a，那么2個線程都會嘗試對其進行數據操作，多個線程同時對一個數據進行增加或減少的操作，如果發生這種情況，則可能導致內存泄漏
GIL鎖的產生
由於多個線程同時對數據進行操作，會引發數據不一致，導致內存泄漏，我們可以對其進行加鎖，所以Cpython就創建了GIL鎖
但是既然有了鎖，一個對象就需要一把鎖，那么多個對象就會有多把鎖，可能會給我們帶來2個問題
- 1.死鎖（線程之間互相爭搶鎖的資源）
- 2.反復獲取和釋放鎖而導致性能降低。
為了保證單線程情況下python的正常執行和效率，GIL鎖（單一鎖）由此產生了，它添加了一個規則，即任何Python字節碼的執行都需要獲取解釋器鎖。這樣可以防止死鎖（因為只有一個鎖），並且不會帶來太多的性能開銷。但這實際上使所有受CPU約束的Python程序（指的是CPU密集型程序）都是單線程的。
GIL鎖的底層原理
上面這張圖，就是 GIL 在 Python 程序的工作示例。其中，Thread 1、2、3 輪流執行，每一個線程在開始執行時，都會鎖住 GIL，以阻止別的線程執行；同樣的，每一個線程執行完一段后，會釋放 GIL，以允許別的線程開始利用資源。
線程釋放GIL鎖有兩種情況，一是遇到IO操作，二是Time Tick到期。IO操作很好理解，比如發出一個http請求，等待響應。那么Time Tick到期是什么呢？Time Tick規定了線程的最長執行時間，超過時間后自動釋放GIL鎖。Python 3 以后，間隔時間大致為15毫秒。
雖然都是釋放GIL鎖，但這兩種情況是不一樣的。比如，Thread1遇到IO操作釋放GIL，由Thread2和Thread3來競爭這個GIL鎖，Thread1不再參與這次競爭。如果是Thread1因為Time Tick到期釋放GIL(多數是CPU密集型任務)，那么三個線程可以同時競爭這把GIL鎖，可能出現Thread1在競爭中勝出，再次執行的情況。單核CPU下，這種情況不算特別糟糕。因為只有1個CPU，所以CPU的利用率是很高的。
在多核CPU下，由於GIL鎖的全局特性，無法發揮多核的特性，GIL鎖會使得多線程任務的效率大大降低。
Thread1在CPU1上運行，Thread2在CPU2上運行。GIL是全局的，CPU2上的Thread2需要等待CPU1上的Thread1讓出GIL鎖，才有可能執行。如果在多次競爭中，Thread1都勝出，Thread2沒有得到GIL鎖，意味着CPU2一直是閑置的，無法發揮多核的優勢。
為了避免同一線程霸占CPU，在python3.2版本之后，線程會自動的調整自己的優先級，使得多線程任務執行效率更高。
既然GIL降低了多核的效率，那保留它的目的是什么呢？這就和線程執行的安全有關。
Python GIL不能絕對保證線程安全
def add():
global n
for i in range(10**1000):
n = n +1
def sub():
global n
for i in range(10**1000):
n = n - 1
n = 0
import threading
a = threading.Thread(target=add,)
b = threading.Thread(target=sub,)
a.start()
b.start()
a.join()
b.join()
print n
上面的程序對n做了同樣數量的加法和減法，那么n理論上是0。但運行程序，打印n，發現它不是0。問題出在哪里呢，問題在於python的每行代碼不是原子化的操作。比如n = n+1這步，不是一次性執行的。如果去查看python編譯后的字節碼執行過程，可以看到如下結果。
19 LOAD_GLOBAL 1 (n)
22 LOAD_CONST 3 (1)
25 BINARY_ADD
26 STORE_GLOBAL 1 (n)
從過程可以看出，n = n +1 操作分成了四步完成。因此，n = n+1不是一個原子化操作。
- 1.加載全局變量n
- 2.加載常數1
- 3.進行二進制加法運算
- 4.將運算結果存入變量n。
根據前面的線程釋放GIL鎖原則，線程a執行這四步的過程中，有可能會讓出GIL。如果這樣，n=n+1的運算過程就被打亂了。最后的結果中，得到一個非零的n也就不足為奇。
總結
對於IO密集型應用，多線程的應用和多進程應用區別不大。即便有GIL存在，由於IO操作會導致GIL釋放，其他線程能夠獲得執行權限。由於多線程的通訊成本低於多進程，因此偏向使用多線程。
對於計算密集型應用，由於CPU一直處於被占用狀態，GIL鎖直到規定時間才會釋放，然后才會切換狀態，導致多線程處於絕對的劣勢，此時可以采用多進程+協程。
參考資料
https://realpython.com/python-gil/
https://zhuanlan.zhihu.com/p/97218985