全局解释器锁GIL

首先，在python中使用多线程时，其任意时刻只有一个线程在执行；

GIL的执行过程

（1）.设置一个GIL；
（2）.切换线程去准备执行任务（Runnale就绪状态）；
（3). 运行；
（4). 可能出现的状态:
- 线程任务执行结束;
- time.sleep()
- 需要获取其他的信息才能继续执行(eg: 读取文件, 需要从网络下载html网页)
（5). 将线程设置为睡眠状态;
（6). 解GIL的锁；

Python的多线程在多核CPU上，只对于IO密集型计算产生正面效果；而当至少有一个CPU密集型线程存在，那么多线程效率会由于GIL而大幅下降。因为当其他核心上的线程被唤醒时，大部分情况下主线程已经又再一次获取到GIL了。这个时候被唤醒执行的线程只能白白的浪费CPU时间，看着另一个线程拿着GIL欢快的执行着。然后达到切换时间后进入待调度状态，再被唤醒，再等待，以此往复恶性循环。所以多线程的应用场景: I/O密集型(input, output)
不建议使用多线程的场景: 计算密集型(cpu一直占用)，因为线程的改变只代表了 CPU 执行过程的改变。

import threading
from mytimeit import timeit


def job(li):
    return  sum(li)


@timeit
def use_thread():
    li = range(1, 10001)
    # create 5 threads
    threads = []
    for i in range(5):
        t = threading.Thread(target=job, args=(li, ))
        print(t)
        t.start()
        threads.append(t)
    [thread.join() for thread in  threads]

@timeit
def use_no_thread():
    li = range(1, 10001)
    for i in range(5):
        job(li)

if __name__ == "__main__":
    use_thread()
    use_no_thread()