三、GIL與多線程
有了GIL的存在，同一時刻同一進程中只有一個線程被執行
進程可以利用多核，但是開銷大，而python的多線程開銷小，但卻無法利用多核優勢，要解決這個問題，我們需要在幾個點上達成一致：
    1. cpu到底是用來做計算的，還是用來做I/O的？
    2. 多cpu，意味著可以有多個核並行完成計算，所以多核提升的是計算性能
    3. 每個cpu一旦遇到I/O阻塞，仍然需要等待，所以多核對I/O操作沒什麽用處 
一個工人相當於cpu，此時計算相當於工人在幹活，I/O阻塞相當於為工人幹活提供所需原材料的過程，工人幹活的過程中如果沒有原材料了，則工人幹活的過程需要停止，直到等待原材料的到來。
如果你的工廠幹的大多數任務都要有準備原材料的過程（I/O密集型），那麽你有再多的工人，意義也不大，還不如一個人，在等材料的過程中讓工人去幹別的活，
反過來講，如果你的工廠原材料都齊全，那當然是工人越多，效率越高
結論：
    對計算來說，cpu越多越好，但是對於I/O來說，再多的cpu也沒用
    當然對運行一個程序來說，隨著cpu的增多執行效率肯定會有所提高（不管提高幅度多大，總會有所提高），這是因為一個程序基本上不會是純計算或者純I/O，所以我們只能相對的去看一個程序到底是計算密集型還是I/O密集型，從而進一步分析python的多線程到底有無用武之地。
假設一種情況：
    現在有四個任務需要處理，處理方式是要有並發的效果，解決方案可以是：
    方案一：開啟四個進程
    方案二：一個進程下，開啟四個線程
    單核情況下，分析結果: 
        如果四個任務是計算密集型，沒有多核來並行計算，方案一徒增了創建進程的開銷，方案二勝
        如果四個任務是I/O密集型，方案一創建進程的開銷大，且進程的切換速度遠不如線程，方案二勝
    多核情況下，分析結果：
        如果四個任務是計算密集型，多核意味著並行計算，在python中一個進程中同一時刻只有一個線程執行用不上多核，方案一勝
        如果四個任務是I/O密集型，再多的核也解決不了I/O問題，方案二勝
結論：
    現在的計算機基本上都是多核，python對於計算密集型的任務開多線程的效率並不能帶來多大性能上的提升，甚至不如串行(沒有大量切換)
    但是，對於IO密集型的任務效率還是有顯著提升的。

四、多線程性能測試
1、計算密集型：多進程效率高
    from multiprocessing import Process
    from threading import Thread
    import os,time
    def work():
            res=0
            for i in range(100000000):
                    res*=i
    l=[]
    print(os.cpu_count()) #本機為4核
    start=time.time()
    for i in range(4):
            # p=Process(target=work) #耗時18s多
            p=Thread(target=work) #耗時26s多
            l.append(p)
            p.start()
    for p in l:
            p.join()
    stop=time.time()
    print(‘run time is %s‘ %(stop-start))
2、i/o密集型：多線程效率高
    from multiprocessing import Process
    from threading import Thread
    import threading
    import os,time
    def work():
            time.sleep(2)
            print(‘===>‘)
    l=[]
    print(os.cpu_count()) #本機為4核
    start=time.time()
    for i in range(400):
            p=Process(target=work) #耗時4s多,大部分時間耗費在創建進程上
            # p=Thread(target=work) #耗時2s多
            l.append(p)
            p.start()
    for p in l:
            p.join()
    stop=time.time()
    print(‘run time is %s‘ %(stop-start))
應用：
多線程用於IO密集型，如socket，爬蟲，web
多進程用於計算密集型，如金融分析
 

Python GIL(Global Interpreter Lock)