Python的GIL锁理解

1. GIL(Global Interpreter Lock)和在Python代码中使用线程锁Lock并不是一个层面的概念。

GIL并不是Python的特性，它是在实现Python解释器(CPyhon) 时所引入的一个概念，是Python原始解释器CPython内部的一把锁。
每一个Python进程运行时都对应一个CPython解释器进程。在CPython解释器内部运行多个线程的时候，每个线程在解释器内部申请相应的全局资源，为了防止资源竞争而发生错误，对所有线程申请全局资源增加了限制-全局解释器锁GIL。每个线程想要运行首先获取这个解释器进程中唯一的GIL，因此Python进程中所有线程只能一个一个交替的执行。所以在Python程序里，就算使用多线程，其实还是一个线程在工作，这是CPython的一个缺陷，其他语言没有。

2. 为什么CPython必须引入GIL?

Python调用的线程都是原生线程，通过C语言提供原生接口，相当于C语言的一个函数，一旦执行，Python解释器就再也不能控制它，必须等它返回结果。如果启动n个线程，那么这n个线程独自执行，访问全局资源，会造成资源竞争，结果就会有问题。CPython加入GIL，就可以在同一时间只有拿到GIL锁的一个线程能够工作。虽然这n个线程都启动了，但是同一时间只能让一个线程访问全局数据，其他的几个都只能等待。

3. GIL什么时候释放?

在当前线程执行超时后会自动释放，Python 3.x使用计时器(执行时间达到國值后，当前线程释放GIL)或Python 2.x，tickets计数达到100、在当前线程执行阻塞操作时会自动释放，比如在IO操作等可能会引起阻塞的system call之前,可以暂时释放GIL,但在执行完毕后,必须重新获取GIL，因此多线程爬取比单线程性能有提升，因为遇到IO阻塞会自动释放GIL锁。

4. 如何解决GIL锁的性能问题?

多线程程序在进行IO等操作时的运行速度还是要比单线程速度快，但是在运行计算密集型的程序时，需要使用CPU进行大量的计算，但由于GIL锁的性质导致程序运行中始终都是一个CPU进行计算，所以计算速度及其缓慢，运行此类的程序不推荐使用线程。
有两种方式解决:

• 使用多进程的方式，避免GIL锁的约束
• 使用其他运行速度较快的语言模块，例如C语言

5. 既然CPython存在GIL是否意味每个线程在全局变量就不用加Lock互斥锁了呢?

用户操作全局数据还是必须加Lock，因为GIL的释放时机我们无法控制，此时操作很可能并没有完成，而不像Lock那样我们用完才释放。