随着多核时代的到来，怎样充分利用好你的多个CPU的优势成了技术的关注点，那就是多线程多进程编程，二者的区别也很明显，进程是操作系统中拥有资源的最小单位，但是是重量级的。线程是系统调度的最小单位，是轻量级的，一个进程可以拥有很多个线程，但是线程是不拥有资源的，同一个进程中的线程共享这个进程中拥有的资源。以前学习java，一个灰常重要的并发方式就是多线程，因为线程的开销要比进程的少很多，而通过加锁来保证线程安全，进而有线程池来做进一步的优化。
所以前面也花了些时间对python的多线程编程进行了了解，然后又了解了一下python的第三方库线程池threadpool。但是了解后面发现这些都白费了，虽然python提供了thread和threading库来支持多线程的实现，但是python最终还是没办法达到多线程并发的，原因就是GIL。
网上关于GIL的讨论也有很多，我也做了进一步的了解，这里有个例子可以看一下，就是python一个线程的死循环和开启多个线程来执行死循环对于CPU的消耗是差不多的，我的电脑是双核的，来测试一把：
程序运行前cpd的使用率：
开一个线程来执行死循环，主线程也执行死循环cpu的使用率：
一个线程运行死循环程序也是用了50%到60%的cpu，增多一个线程来跑死循环还是用了50%到60%的cpu，都没什么变化。这是为什么呢？原因就是GIL。
1.何方神圣
GIL全称是Global Interpreter Lock，即全局解释锁，每个python解释器都有一个这样的全局锁，在解释器解释执行任何的python代码都要先获得这个锁。所以同一时间只有一个线程持有这个锁在运行，其他的线程都在等待这个锁。所以虽然有两个线程在执行死循环，但实际上每次只有一个线程在运行。
2.要它何用
既然GIL如此的让人蛋疼，以至于多线程都不能发挥多核的优势，那么还要GIL有何用呢。我们只需要像java一样让程序猿自己在访问共享变量处加锁不就可以了吗，为毛一下把整个解释器给锁上了，这不是自找麻烦么。python是解释性语言，是在python解释器上执行的，但是python解释器本身却不是线程安全的，如果没有GIL，那么在多线程中一些简单的操作都会出现问题，在可见变量我们可以自行加锁，而还有很多后台不可见的变量就需要GIL来控制了，比如为了进行垃圾回收而维护的引用计数，如果没有GIL，有可能出现由于线程切换导致的对同一个对象释放两次的情况。所以有了Lock还是需要GIL的。
如果将GIL抛弃，所有的地方都用Lock也可以啊，这样就可以支持多线程并发了，曾有过官方实验发现这样的做法是得不偿失的，单线程的执行效率减慢了将近两倍，而且这样的做法却复杂了N倍，本来一个全局锁就可以解决的问题却花了N多个细微的锁来解决。所以这样是不值得的，何况python还有别的方式来实现并发。
3.有了GIL要Lock何用
既然有了这样一个全局锁来保护了python解释器，让每次只能有一个线程能够得以执行，那么对于共享资源来说，每次也只能有一个线程来访问它，那么python提供的Lock还有用么？就比如这篇博客中第一个例子，不加锁的话结果是不可知的，但是是不会达到一百万的。这又是为什么呢，不是已经有了一个全局锁来保护共享资源吗？
在网上搜到别人的说法是python中线程是对外抽象出来的，而python内部还会想操作系统一样调度这些线程，所以还是需要Lock来保证这些线程间的安全。如果是这样的话倒也说的通，但是python的线程明明是操作系统的原生线程啊。这是为什么呢，这个问题一直困扰着我啊。
4.并发其他途径
多线程是python并发的痛，看来不可能实现的了，但是可以通过其他的途径来实现并发编程，虽然进程较线程是重量级的，但是进程之间是相互独立的，不存在资源共享，所以就没有了互斥的概念，也就不需要锁了，所以还可以通过多进程+协程来实现并发的。
进程并行或者线程并行
各有优缺点，要看情况，不是绝对的，在此不讨论这个，这引出下面两种Python并行处理方法（注释感觉很清晰详细了，不再多说）
0x02 进程处理方法
