多线程与CPU和多线程与GIL

多线程与CPU：
1.单核CPU  CPU密集型的程序（做计算操作的程序）  单线程即可（ 此时的任务已经把CPU资源100%消耗了，就没必要也不可能使用多线程来提高计算效率）
2.单核CPU  IO密集型的程序（做IO操作的程序 ）        多线程>单线程（多线程可以阻塞，但并不是并行，是“伪并行”，实际上还是一个CPU在执行一切事物，只是切换的太快，没法察觉）
3.多核CPU 做计算操作的程序 多线程>>单线程 （每个核心执行一个线程，每个核心的线程并发执行计算，以提高任务执行效率，例如加密解密，数据压缩解压缩（视频、音频、普通数据），否则只能使一个核心满载，而其他核心闲置。）

4.多核CPU  IO密集型任务 多线程>单线程

但是在PYTHON里：

由于GIL的机制就变得不完全一样了：单核CPU  CPU密集型程序 单线程耗时<多线程。多核CPU  CPU密集型程序 单线程耗时<多线程，也就是说只要是CPU密集型程序 不要只单独的使用多线程。

一、先说为什么会有GIL ，GIL是干什么的：

多线程之间数据完整性和状态同步的最简单方法自然就是加锁，于是python解释器有了GIL这把超级大锁，就默认python内部对象是thread-safe的，无需在实现时考虑额外的内存锁和同步操作。

也就是说 如果不释放这把锁，线程都是串行的。

但PYTHON的多线程并不是一无是处

二、GIL锁的释放机制：

先解释什么是IO密集型和计算密集型：

计算密集型任务的特点是要进行大量的计算，消耗CPU资源，比如计算圆周率、对视频进行高清解码等等，全靠CPU的运算能力。这种计算密集型任务虽然也可以用多任务完成，但是任务越多，花在任务切换的时间就越多，CPU执行任务的效率就越低，所以，要最高效地利用CPU，计算密集型任务同时进行的数量应当等于CPU的核心数。

计算密集型任务由于主要消耗CPU资源，因此，代码运行效率至关重要。Python这样的脚本语言运行效率很低，完全不适合计算密集型任务。对于计算密集型任务，最好用C语言编写。

第二种任务的类型是IO密集型，涉及到网络、磁盘IO的任务都是IO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IO操作完成（因为IO的速度远远低于CPU和内存的速度）。对于IO密集型任务，任务越多，CPU效率越高，但也有一个限度。常见的大部分任务都是IO密集型任务，比如Web应用。

IO密集型任务执行期间，99%的时间都花在IO上，花在CPU上的时间很少，因此，用运行速度极快的C语言替换用Python这样运行速度极低的脚本语言，完全无法提升运行效率。对于IO密集型任务，最合适的语言就是开发效率最高（代码量最少）的语言，脚本语言是首选，C语言最差。

GIL对于IO密集型和计算密集型：

IO密集型（网络传输、磁盘读写等）：
线程遇到I/O阻塞时，会自动释放GIL。（阻塞等待时，就释放GIL，给另一个线程执行的机会）

cpu密集型（编解码，解压缩等）：
解释器会周期性的让线程释放锁

由上面可知，至少有两种情况python会做线程切换，一是一但有IO操作时，会有线程切换，二是当一个线程连续执行了一定数量的指令时，会出现线程切换。

再加上每次操作系统执行线程的调度都需要消耗时间，这样，就可以理解为什么在多核+cpu密集型程序时不要单独的使用多线程，会比单线程更耗时。

即使是多核CPU，如果没有GIL 不同核的CPU执行不同的线程，但是有了GIL这把锁，某个核心上的CPU即使被唤醒也没有获得GIL锁，无法执行。

综上，在不使用别的库的情况下，python多线程最好只用于IO密集型的操作。

参考：https://blog.csdn.net/delacroix_xu/article/details/5928121

http://cenalulu.github.io/python/gil-in-python/

https://www.liaoxuefeng.com/wiki/001374738125095c955c1e6d8bb493182103fac9270762a000/001397567993007df355a3394da48f0bf14960f0c78753f000