标签：利用 并行 情况下 分时 必须 来讲 sleep 封装 set
python 为什么不能利用多核CPU
GIL：
（1）其实是因为在python中有一个GIL（Global Interpreter Lock），中文为：全局解释器锁。
1、是最开始python为了数据安全设计了这个GIL。
2、每个CPU在同一时间只能执行一个线程：
（在单核CPU下的多线程其实都只是并发，不是并行，并发和并行从宏观上来讲都是同时处理多路请求的概念。
但并发和并行又有区别，并行是指两个或者多个事件在同一时刻发生；而并发是指两个或多个事件在同一时间间隔内发生。）
（2）在python多线程下，每个线程的执行方式如下：
1、获取GIL
2、执行代码直到sleep或者是python虚拟机将其挂起。
3、释放GIL
（3）为什么有时候多线程效率低于单线程？
1、如上我们可以知道，在python中想要某个线程要执行必须先拿到GIL这把锁，且python只有一个GIL，拿到这个GIL才能进入CPU执行，
在遇到 I/O 操作时会释放这把锁。如果是纯计算的程序，没有 I/O 操作，解释器会每隔 100次操作就释放这把锁，让别的线程有机会
执行（这个次数可以通过sys.setcheckinterval
来调整）。所以虽然 CPython 的线程库直接封装操作系统的原生线程，但 CPython
进程做为一个整体，同一时间只会有一个获得了 GIL 的线程在跑，其它的线程都处于等待状态等着 GIL 的释放。
2、而每次释放GIL锁，线程进行锁竞争、切换线程，会消耗资源。并且由于GIL锁存在，python里一个进程永远只能同时执行一个线程
(拿到GIL的线程才能执行)，这就是为什么在多核CPU上，python的多线程效率并不高。
（4）python的多线程是否就完全没有用了呢？相同的代码，为何有时候多线程会比单线程慢，有时又会比单线程快？
这主要跟运行的代码有关：
1、CPU密集型代码(各种循环处理、计数等等)，在这种情况下，由于计算工作多，ticks计数很快就会达到100阈值，然后触发GIL的释放与再竞争
（多个线程来回切换当然是需要消耗资源的），所以python下的多线程遇到CPU密集型代码时，单线程比多线程效率高。
2、IO密集型代码(文件处理、网络爬虫等)，多线程能够有效提升效率(单线程下有IO操作会进行IO等待，造成不必要的时间浪费，而开启多线程能在
线程A等待时，自动切换到线程B，可以不浪费CPU的资源，从而能提升程序执行效率)。进行IO密集型的时候可以进行分时切换 所有这个时候多线程快过单线程
（5）如果python想充分利用多核CPU，可以采用多进程，
每个进程有各自独立的GIL，互不干扰，这样就可以真正意义上的并行执行，所以在python中，多进程的执行效率优于多线程(仅仅针对多核CPU而言)。
所以在多核CPU下，想做并行提升效率，比较通用的方法是使用多进程，能够有效提高执行效率。
标签：利用 并行 情况下 分时 必须 来讲 sleep 封装 set
原文地址：https://www.cnblogs.com/hwtfamily/p/9111910.html
