知識點2全局解釋器（GIL）

全局解釋器鎖（GIL）全局解釋器鎖（GIL）摘要全局解釋器鎖(GlobalInterpreterLock)。在Cpython解釋器中，同一個進程下開啟的多線程，同一時刻只能有一個線程執(zhí)行，無法利用多核優(yōu)勢。首先需要明確的一點是GIL并不是Python的特性，它是在實現(xiàn)Python解析器(CPython)時所引入的一個概念。就好比C++是一套語言（語法）標準，但是可以用不同的編譯器來編譯成可執(zhí)行代碼。有名的編譯器例如GCC，INTELC++，VisualC++等。Python也一樣，同樣一段代碼可以通過CPython，PyPy，Psyco等不同的Python執(zhí)行環(huán)境來執(zhí)行。像其中的JPython就沒有GIL。然而因為CPython是大部分環(huán)境下默認的Python執(zhí)行環(huán)境。所以在很多人的概念里CPython就是Python，也就想當然的把GIL歸結(jié)為Python語言的缺陷。所以這里要先明確一點：GIL并不是Python的特性，Python完全可以不依賴于GIL關(guān)鍵詞GIL1計算密集型和I/O秘籍型2計算密集型任務(wù)的特點是要進行大量的計算，消耗CPU資源，比如計算圓周率、對視頻進行高清解碼等等，全靠CPU的運算能力。這種計算密集型任務(wù)雖然也可以用多任務(wù)完成，但是任務(wù)越多，花在任務(wù)切換的時間就越多，CPU執(zhí)行任務(wù)的效率就越低，所以，要最高效地利用CPU，計算密集型任務(wù)同時進行的數(shù)量應(yīng)當?shù)扔贑PU的核心數(shù)。計算密集型任務(wù)由于主要消耗CPU資源，因此，代碼運行效率至關(guān)重要。Python這樣的腳本語言運行效率很低，完全不適合計算密集型任務(wù)。對于計算密集型任務(wù)，最好用C語言編寫。3IO密集型，涉及到網(wǎng)絡(luò)、磁盤IO的任務(wù)都是IO密集型任務(wù)，這類任務(wù)的特點是CPU消耗很少，系統(tǒng)運作，大部分的狀況是CPU在等I/O(硬盤/內(nèi)存)的讀/寫（因為IO的速度遠遠低于CPU和內(nèi)存的速度）。對于IO密集型任務(wù)，任務(wù)越多，CPU效率越高，但也有一個限度。常見的大部分任務(wù)都是IO密集型任務(wù)，比如Web應(yīng)用。計算密集型和I/O秘籍型41.多cpu到底是用來做計算的，還是用來做I/O的？多cpu，意味著可以有多個核并行完成計算，所以多核提升的是計算性能2.每個cpu一旦遇到I/O阻塞，仍然需要等待，所以多核對I/O操作沒什么用處一個工人相當于cpu，此時計算相當于工人在干活，I/O阻塞相當于為工人干活提供所需原材料的過程，工人干活的過程中如果沒有原材料了，則工人干活的過程需要停止，直到等待原材料的到來。如果你的工廠干的大多數(shù)任務(wù)都要有準備原材料的過程（I/O密集型），那么你有再多的工人，意義也不大，還不如一個人，在等材料的過程中讓工人去干別的活，反過來講，如果你的工廠原材料都齊全，那當然是工人越多，效率越高計算密集型和I/O秘籍型5計算密集型和I/O秘籍型結(jié)論：對計算來說，cpu越多越好，但是對于I/O來說，再多的cpu也沒用我們有四個任務(wù)需要處理，處理方式肯定是要玩出并發(fā)的效果，解決方案可以是：方案一：開啟四個進程方案二：一個進程下，開啟四個線程·單核情況下，分析結(jié)果:如果四個任務(wù)是計算密集型，沒有多核來并行計算，方案一徒增了創(chuàng)建進程的開銷，方案二勝如果四個任務(wù)是I/O密集型，方案一創(chuàng)建進程的開銷大，且進程的切換速度遠不如線程，方案二勝·多核情況下，分析結(jié)果：如果四個任務(wù)是計算密集型，多核意味著并行計算，在python中一個進程中同一時刻只有一個線程執(zhí)行用不上多核，方案一勝如果四個任務(wù)是I/O密集型，再多的核也解決不了I/O問題，方案二勝結(jié)論：現(xiàn)在的計算機基本上都是多核，python對于計算密集型的任務(wù)開多線程的效率并不能帶來多大性能上的提升，甚至不如串行(沒有大量切換)，但是，對于IO密集型的任務(wù)效率還是有顯著提升的。6示例1：計算密集型和I/O秘籍型7上述代碼中通過切換17和18行的注釋達到多線程和多進程的運行結(jié)果，輸出結(jié)果如下：計算密集型和I/O秘籍型可以看出計算密集型時，多進程速度快很多。8計算密集型和I/O秘籍型示例2：9計算密集型和I/O秘籍型上