在介紹Python中的執行緒之前，先明確一個問題，Python中的多執行緒是 假的多執行緒 ！ 為什麽這麽說，我們先明確一個概念，全域直譯器鎖（GIL）。
Python程式碼的執行由Python虛擬機器（直譯器）來控制。Python在設計之初就考慮要在主迴圈中，同時只有一個執行緒在執行，就像單CPU的系統中執行多個行程那樣，記憶體中可以存放多個程式，但任意時刻，只有一個程式在CPU中執行。同樣地，雖然Python直譯器可以執行多個執行緒，只有一個執行緒在直譯器中執行。
對Python虛擬機器的存取由全域直譯器鎖（GIL）來控制，正是這個鎖能保證同時只有一個執行緒在執行。在多執行緒環境中，Python虛擬機器按照以下方式執行。
1.設定GIL。
2.切換到一個執行緒去執行。
3.執行。
4.把執行緒設定為睡眠狀態。
5.解鎖GIL。
6.再次重復以上步驟。
對所有面向I/O的（會呼叫內建的作業系統C程式碼的）程式來說，GIL會在這個I/O呼叫之前被釋放，以允許其他執行緒在這個執行緒等待I/O的時候執行。如果某執行緒並未使用很多I/O操作，它會在自己的時間片內一直占用處理器和GIL。也就是說，I/O密集型的Python程式比計算密集型的Python程式更能充分利用多執行緒的好處。
我們都知道，比方我有一個4核的CPU，那麽這樣一來，在單位時間內每個核只能跑一個執行緒，然後時間片輪轉切換。但是Python不一樣，它不管你有幾個核，單位時間多個核只能跑一個執行緒，然後時間片輪轉。看起來很不可思議？但是這就是GIL搞的鬼。任何Python執行緒執行前，必須先獲得GIL鎖，然後，每執行100條字節碼，直譯器就自動釋放GIL鎖，讓別的執行緒有機會執行。這個GIL全域鎖實際上把所有執行緒的執行程式碼都給上了鎖，所以，多執行緒在Python中只能交替執行，即使100個執行緒跑在100核CPU上，也只能用到1個核。通常我們用的直譯器是官方實作的CPython，要真正利用多核，除非重寫一個不帶GIL的直譯器。
我們不妨做個試驗：
#coding=utf-8
from multiprocessing import Pool
from threading import Thread
from multiprocessing import Process
def loop():
while True:
pass
if __name__ == '__main__':
for i in range(3):
t = Thread(target=loop)
t.start()
while True:
pass
我的電腦是4核，所以我開了4個執行緒，看一下CPU資源占有率：
我們發現CPU利用率並沒有占滿，大致相當於單核水平。
而如果我們變成行程呢？
我們改一下程式碼：
#coding=utf-8
from multiprocessing import Pool
from threading import Thread
from multiprocessing import Process
def loop():
while True:
pass
if __name__ == '__main__':
for i in range(3):
t = Process(target=loop)
t.start()
while True:
pass
結果直接飆到了100%，說明行程是可以利用多核的！
為了驗證這是Python中的GIL搞得鬼，我試著用Java寫相同的程式碼，開啟執行緒，我們觀察一下：
package com.darrenchan.thread;
public class TestThread {
public static void main(String[] args) {
for (int i = 0; i < 3; i++) {
new Thread(new Runnable() {
@Override
public void run() {
while (true) {
}
}
}).start();
}
while(true){
}
}
}
由此可見，Java中的多執行緒是可以利用多核的，這是真正的多執行緒！而Python中的多執行緒只能利用單核，這是假的多執行緒！
難道就如此？我們沒有辦法在Python中利用多核？當然可以！剛才的多行程算是一種解決方案，還有一種就是呼叫C語言的連結庫。對所有面向I/O的（會呼叫內建的作業系統C程式碼的）程式來說，GIL會在這個I/O呼叫之前被釋放，以允許其他執行緒在這個執行緒等待I/O的時候執行。我們可以把一些 計算密集型任務用C語言編寫，然後把.so連結庫內容載入到Python中，因為執行C程式碼，GIL鎖會釋放，這樣一來，就可以做到每個核都跑一個執行緒的目的！
可能有的小夥伴不太理解什麽是計算密集型任務，什麽是I/O密集型任務？
計算密集型任務的特點是要進行大量的計算，消耗CPU資源，比如計算圓周率、對視訊進行高畫質解碼等等，全靠CPU的運算能力。這種計算密集型任務雖然也可以用多工完成，但是任務越多，花在工作切換的時間就越多，CPU執行任務的效率就越低，所以，要最高效地利用CPU，計算密集型任務同時進行的數量應當等於CPU的核心數。
計算密集型任務由於主要消耗CPU資源，因此，程式碼執行效率至關重要。Python這樣的手稿語言執行效率很低，完全不適合計算密集型任務。對於計算密集型任務，最好用C語言編寫。
第二種任務的型別是IO密集型，涉及到網路、磁盤IO的任務都是IO密集型任務，這類任務的特點是CPU消耗很少，任務的大部份時間都在等待IO操作完成（因為IO的速度遠遠低於CPU和記憶體的速度）。對於IO密集型任務，任務越多，CPU效率越高，但也有一個限度。常見的大部份任務都是IO密集型任務，比如Web套用。
IO密集型任務執行期間，99%的時間都花在IO上，花在CPU上的時間很少，因此，用執行速度極快的C語言替換用Python這樣執行速度極低的手稿語言，完全無法提升執行效率。對於IO密集型任務，最合適的語言就是開發效率最高（程式碼量最少）的語言，手稿語言是首選，C語言最差。
綜上，Python多執行緒相當於單核多執行緒，多執行緒有兩個好處：CPU並列，IO並列，單核多執行緒相當於自斷一臂。所以，在Python中，可以使用多執行緒，但不要指望能有效利用多核。如果一定要透過多執行緒利用多核，那只能透過C擴充套件來實作，不過這樣就失去了Python簡單易用的特點。不過，也不用過於擔心，Python雖然不能利用多執行緒實作多核任務，但可以透過多行程實作多核任務。多個Python行程有各自獨立的GIL鎖，互不影響。
分享廖雪峰的部落格：廖雪峰部落格
