操作系统 ： CentOS7.3.1611_x64
python版本：2.7.5
问题描述
Python的GIL会对CPU密集型的程序产生影响，如果完全使用Python来编程，怎么避开GIL的限制呢？
解决方案
在多线程中使用进程池来规避GIL的限制。具体如下：
1、使用multiprocessing模块来创建进程池；
2、将计算任务分配给不同的线程；
3、在任务线程中把任务提交给之前创建的进程池；
每当有线程要执行cpu密集型任务时，就把该任务提交到进程池中，然后进程池会将任务交给运行在另一个进程中的Python解释器。
当线程等待结果时会释放GIL，而此时的计算任务是在另一个单独的Python解释器中执行的，不再受到GIL的限制了。
在多核系统中采用这个方案能轻易地利用到所有的CPU核心。
假设有这样的worker函数：
def worker(arr):
s = 0
for n in arr :
arrTmp = range(1,n+1)
if len(arrTmp) == 0 : continue
rtmp = 1
for i in arrTmp :
rtmp *= i
s += rtmp
return s
完整代码如下：https://github.com/mike-zhang/pyExamples/blob/master/gilAvoid/gilAvoidTest1/taskCommon.py
普通单进程任务实现：
def main():
s = 0
tStart,tStop = 1,1000
for i in range(1,100):
#t = worker(range(tStart,tStop))
t = worker(range(1,1000))
s += t
tStart = tStop
tStop += 1000
print("len : ",len(str(s)))
print(s%10000)
完整代码如下： https://github.com/mike-zhang/pyExamples/blob/master/gilAvoid/gilAvoidTest1/t1_normal.py
运行效果如下：
(py27env) [[email protected] test]$ time python t1_normal.py (‘len : ‘, 2567) 987 real 0m17.919s user 0m17.915s sys 0m0.003s
使用进程池的实现：
def wokerThread(start,stop):
#r = gPool.apply(worker,(range(start,stop),))
r = gPool.apply(worker,(range(1,1000),))
q.put(r)
def main():
s = 0
thrdArr = []
tStart,tStop = 1,1000
for i in range(1,gCount+1):
thrd = threading.Thread(target=wokerThread,args=(tStart,tStop))
thrdArr.append(thrd)
tStart = tStop
tStop += 1000
for t in thrdArr :
t.daemon = True
t.start()
while not q.full(): time.sleep(0.1)
while not q.empty(): s += q.get()
print("len : ",len(str(s)))
print(s%10000)
完整代码如下：https://github.com/mike-zhang/pyExamples/blob/master/gilAvoid/gilAvoidTest1/t2_mp.py
运行效果如下：
(py27env) [[email protected] test]$ time python t2_mp.py queue full (‘len : ‘, 2567) 987 real 0m4.917s user 0m18.356s sys 0m0.146s
可以看出使用上述方法可以规避GIL的限制（测试机器为i5 4核），程序的速度得到明显的提升。
好，就这些了，希望对你有帮助。
本文github地址：
https://github.com/mike-zhang/mikeBlogEssays/blob/master/2017/20170819_使用进程池规避python的GIL限制.rst
欢迎补充