GIL
由于 GIL（Global Interpreter Lock）的存在，导致 Python 进程中最多同时运行一个线程，使得 Python 多线程是鸡肋般的存在。要想利用多核系统，Python必须支持多线程运行。与编译型语言不同，Python 是解释型语言，解释器要留意的是避免在不同的线程操作内部共享的数据，这就引出了 GIL。任何Python线程执行前，必须先获得GIL锁，然后，每执行100条字节码，解释器就自动释放GIL锁，让别的线程有机会执行。这个GIL全局锁实际上把所有线程的执行代码都给上了锁，所以，多线程在Python中只能交替执行。但是这并不代表不能使用 Python 多线程，对所有面向I/O的（会调用内建的操作系统C代码的）程序来说，GIL会在这个I/O调用之前被释放，以允许其他线程在这个线程等待I/O的时候运行。如果某线程并未使用很多I/O操作，它会在自己的时间片内一直占用处理器和GIL。也就是说，I/O密集型的Python程序比计算密集型的Python程序更能充分利用多线程的好处。
什么是计算密集型？什么是IO密集型？
计算密集型任务的特点是要进行大量的计算，消耗 CPU 资源，如计算圆周率，视频的编解码等。这种计算密集型任务也可以使用多任务完成，但是任务越多，花费在任务切换的时间就越多，CPU 的执行效率就越低。所以，要想高效地利用CPU，计算密集型任务同时进行的数量应当等于CPU的核心数。
I/O密集型，涉及到网络、磁盘 I/O 的任务都是 I/O 密集型任务，这类任务的特点是 CPU 消耗很少，任务的大部分时间都在等待 I/O 操作完成（因为 I/O 的速度远远低于 CPU 和内存的速度）。对于 I/O 密集型任务，任务越多，CPU效率越高，但也有一个限度。I/O 密集型任务执行期间，99%的时间都花在 I/O 上，花在CPU上的时间很少，因此，在等待 I/O 的期间，Python 的 GIL 会被释放，允许其他线程使用 CPU。
Python虽然不能利用多线程实现多核任务，但可以通过多进程实现多核任务。多个Python进程有各自独立的GIL锁，互不影响。
