自己的分析

GIL鎖就是一個全局解釋器鎖
也就是python中因為有垃圾回收機制的存在。垃圾回收機制也是一個線程，如果所有的線程都可以使用cpu的不同資源（也就是多核
cpu并行處理線程的情況）

-這里涉及到一個小知識
我們知道在一個語言中，要對一個變量名進行賦值操作，就不是表面所看見的拿到內存中所存儲的值，再拿到變量名，進行一個
等號的賦值操作，這樣的理解是錯誤的。他其實大致的原理是這樣子的：如下圖

也就是說我們再執行一個簡單的賦值操作的時候，會經過好幾道步驟，然后我們知道線程再運行的時候，可能會有多個線程同時運
行，這個時候cpu有個“反復橫跳”的機制，也就是好幾個線程之間跳來跳去，讓咱們的線程看起來像是并行（這里假設可以并行兩個，
但是另外一個線程過來了，所以才會可能中斷正在執行的線程，假設！！！），而且如果一個線程運行久了，cpu也就會中斷線程、
保護現場，之后運行其他的線程，這個時候可能會是在解釋器賦值的操作的時候，我們都知道線程間的數據是共享的，他們可能會
去修改同一個數據，而我們途中的 tmp = 10 就相當于獲取了需要修改的值，還沒有進行操作，cpu把我們中斷了，這個時候去運行
其他的線程，也去修改這個值，然后他們都獲取到的是同一個沒有經過修改的一樣的值，就會造成少修改一次的情況發生。造成數
據出錯，如果說我們的垃圾回收機制在此時生效，因為垃圾回收機制也是一個線程，他如果生效了，因為當時被中斷的線程沒有完
成賦值，所以那個值的引用技術為0，就會造成數據被垃圾回收機制回收，造成一個線程沒有值了，所以就有了全局解釋器鎖，讓
我們的線程是單個運行的，就不會造成數據被垃圾回收機制回收。

但是這樣也會造成我們的線程是沒有辦法實現多核cpu并行的操作的，他就只會是并發，如果要去實現并行也是可以的，就必須去開
進程，一個進程里面只有一個線程去運行，就可以實現并行但是站在的角度不同的話，因為cpu是一個運算的部件，所以說如果我們
的代碼是計算特別復雜的話，可以使用多進程并行的方式去執行，但是我們后端的操作中主要是io比計算多，所以使用多線程并發的
方式其實是比多進程要快的，因為創建線程的時間要遠遠小于創建進程的時間。

正規的分析

Python代碼的執行由Python虛擬機(也叫解釋器主循環)來控制。Python在設計之初就考慮到要在主循環中，同時只有一個線程在執行。雖然 Python 解釋器中可以“運行”多個線程，但在任意時刻只有一個線程在解釋器中運行。

對Python虛擬機的訪問由全局解釋器鎖(GIL)來控制，正是這個鎖能保證同一時刻只有一個線程在運行。

在多線程環境中，Python 虛擬機按以下方式執行：

設置 GIL；
切換到一個線程去運行；
運行指定數量的字節碼指令或者線程主動讓出控制(可以調用 time.sleep(0))；
把線程設置為睡眠狀態；
解鎖 GIL；
再次重復以上所有步驟。
在調用外部代碼(如 C/C++擴展函數)的時候，GIL將會被鎖定，直到這個函數結束為止(由于在這期間沒有Python的字節碼被運行，所以不會做線程切換)編寫擴展的程序員可以主動解鎖GIL。

轉載于:https://www.cnblogs.com/xiongchao0823/p/11542606.html

總結

以上是生活随笔為你收集整理的并发编程中的GIL锁（全局解释器锁）自己理解的他为啥存在的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。