Python基础（①③GIL全局解释器锁）

假设你有一个计算器（相当于 Python 解释器），而 GIL 就是这个计算器的 **"使用权"**。

多线程的情况（没绕过 GIL）：

你和同事（两个线程）共用这一个计算器
规定是：同一时间只能有一个人用计算器（GIL 的限制）
你用的时候，同事只能等着；你用完了，同事才能接着用
哪怕你们算的是不同的题，也不能同时碰计算器

这就是多线程的问题：不管有多少个线程，都得抢同一个 GIL，同一时间只有一个能执行。

多进程的情况（绕过 GIL）：

你和同事各拿一个计算器（每个进程有自己的 Python 解释器）
你的计算器有你的 GIL，同事的计算器有他的 GIL
你们可以同时用自己的计算器算题，互不干扰
因为是两个独立的计算器，各自的 GIL 不会互相影响

这就是多进程能绕过 GIL 的原因：每个进程都有自己独立的解释器和 GIL，它们之间没有竞争关系，可以真正并行工作。

多线程：大家抢同一把 GIL 钥匙，轮流用一个解释器
多进程：每个人都有自己的 GIL 钥匙和解释器，各自用各自的

gil_comparison.py

import threading
import multiprocessing
import time

# 一个CPU密集型任务：计算大量数字的和
def heavy_task():
    total = 0
    # 执行大量计算（CPU密集型）
    for i in range(10**8):  # 1亿次循环
        total += i
    return total

# 测试1：使用多线程（未绕过GIL）
def test_threads():
    start = time.time()
    
    # 创建两个线程
    t1 = threading.Thread(target=heavy_task)
    t2 = threading.Thread(target=heavy_task)
    
    # 启动线程
    t1.start()
    t2.start()
    
    # 等待完成
    t1.join()
    t2.join()
    
    print(f"多线程（未绕过GIL）耗时: {time.time() - start:.2f}秒")

# 测试2：使用多进程（绕过GIL）
def test_processes():
    start = time.time()
    
    # 创建两个进程
    p1 = multiprocessing.Process(target=heavy_task)
    p2 = multiprocessing.Process(target=heavy_task)
    
    # 启动进程
    p1.start()
    p2.start()
    
    # 等待完成
    p1.join()
    p2.join()
    
    print(f"多进程（绕过GIL）耗时: {time.time() - start:.2f}秒")

if __name__ == "__main__":
    test_threads()   # 未绕过GIL
    test_processes() # 绕过GIL

GIL（全局解释器锁）并不是 Python 独有的，但它在 Python 中（尤其是最常用的 CPython 解释器）非常有名，因为它对 Python 多线程性能影响很大。