什么是GIL？
GIL，全称Global Interpreter Lock，中文释义为全局解释器锁，它并不是python语言的一个特性，和python也没有任何关系，它是在实现一种python解释器（CPython）时引入的一个概念。就好比C++是一套语法标准，可以有GCC，Visual C++等等编译器一样，Python也可以通过CPython，Pypy，JPython等不同的编译器来运行。像其中的JPython就没有GIL。
为什么会有GIL？
python使用引用计数来进行内存管理，意味着在Python中创建的对象具有引用计数变量，该变量用于跟踪指向该对象的引用数。当此计数达到零时，释放对象占用的内存。
我们来看下面这段代码：
import sys
a = []
b = a
print(sys.getrefcount(a)) # 3
通过程序的执行结果可以看出空列表的引用次数为3，列表对象由a，b引用并且参数传递给sys.getrefcount()。
那么问题来了，这个引用变量是需要竞争保护机制的，不能让两个线程同时更改它的值，否则会导致内存泄漏。
一种解决办法是给所有跨线程共享的数据结构添加锁，这会导致另一个问题，死锁。而且重复获取和释放锁也会导致性能的下降。
GIL是解释器本身的单个锁，它增加了一条规则，即执行任何Python字节码都需要获取解释器锁。这可以防止死锁（因为只有一个锁）并且不会引入太多的性能开销。但它使任何受CPU限制的Python程序都是单线程的。
对多线程python程序的影响？
当您查看典型的Python程序或任何计算机程序时，那些在性能上受CPU限制的程序与受I / O限制的程序之间存在差异。
CPU绑定程序是那些将CPU推向极限的程序。这包括进行数学计算的程序，如矩阵乘法，搜索，图像处理等。
I / O绑定程序是花费时间等待输入/输出的程序，它可以来自用户，文件，数据库，网络等。I / O绑定程序有时需要等待很长时间才能完成从源获取他们需要的东西，因为源可能需要在输入/输出准备好之前进行自己的处理，例如，用户考虑输入什么输入提示或在其中运行的数据库查询自己的过程。
在多线程版本中，GIL阻止了CPU绑定线程并行执行。
GIL对I / O绑定多线程程序的性能影响不大，因为线程在等待I / O时共享锁。
但是线程完全受CPU限制的程序，例如，使用线程处理部分图像的程序，不仅会因锁定而成为单线程，而且还会看到执行时间的增加，如上例所示，与编写为完全单线程的场景相比，这种增加是由锁添加的获取和释放开销的结果。
如何处理GIL问题？
- 用多进程代替多线程，但是进程比线程更重，进程管理也有自己的开销
rom multiprocessing import Pool
import time
COUNT = 50000000
def countdown(n):
while n>0:
n -= 1
if __name__ == '__main__':
pool = Pool(processes=2)
start = time.time()
r1 = pool.apply_async(countdown, [COUNT//2])
r2 = pool.apply_async(countdown, [COUNT//2])
pool.close()
pool.join()
end = time.time()
print('Time taken in seconds -', end - start)
- 使用其他python解释器，例如 数据分析 常用库 numpy 的 矩阵运算，是由C实现的Python 库 ，所以不需要cpython 解释器，自然不受 GIL的影响
参考文献：async python两个_什么是Python全局解释器锁GIL（Global Interpreter Lock）？