GIL

Python 的全局解释器锁（GIL）是一个机制，它确保同一时间只有一个线程执行 Python 字节码。这意味着在多线程环境中，Python 的多线程不能真正并行执行 Python 代码，这可能导致性能问题，特别是在 CPU 密集型任务中

解决GIL的措施

1、使用多进程而不是多线程：Python 的 multiprocessing 模块允许创建多个进程，每个进程都有自己的 Python 解释器和 GIL。这使得可以真正并行地执行代码

python
from multiprocessing import Pool

def cpu_bound_task(n):
    # 进行一些 CPU 密集型计算
    return sum(i * i for i in range(n))

if __name__ == '__main__':
    with Pool(processes=4) as pool:
        results = pool.map(cpu_bound_task, [1000000, 2000000, 3000000, 4000000])
        print(results)
# [333332833333500000, 2666664666667000000, 8999995500000500000, 21333325333334000000]

2、异步编程：python中的asyncio支持异步处理，允许在单线程中处理多个 I/O 操作

python
import asyncio


async def io_bound_task():
    await asyncio.sleep(1)
    return "Task completed"


async def main():
    tasks = [io_bound_task() for _ in range(10)]
    results = await asyncio.gather(*tasks)
    print(results)


asyncio.run(main())

3、使用 C 扩展或第三方库（需要知道某些库是用其他语言写的，比如NumPy 底层是C）

4、算法优化或代码优化