第37条 线程执行阻塞式I/O，但不能用来做平行计算

标准的Python实现叫做CPython。CPython分两步用来运行Python程序：

• 1.首先，将文本形式的源代码解析并编译成字节码；
• 2.然后，用一种基于栈的解释器运行这份字节码。

执行Python程序时，字节码解释器必须保持协调一直的状态。Python采用全局解释器锁（GIL）机制来实现这种协调性。

GIL实际上是一把互斥锁，用来防止CPython受到抢占式多线程切换操作的干扰。但是，GIL有一个显著的缺点在于，C++和Java等语言的多线程程序可以充分利用CPU的多核，而Python编写的多线程程序，受到GIL保护，同一时刻，只有一条线程可以执行。

案例1：利用Python进行因数分解算法。

from time import  time

def factorize(number):
    for i in range(1, number+1):
        if number % i == 0:
            yield i
            
if __name__ == '__main__':
    numbers = [2149000, 3902300, 8390202, 10008375]
    start = time()
    for number in numbers:
        list(factorize(number))
    end = time()
    print("Spend time %.3f seconds" % (end-start))

输出结果：

Spend time 2.022 seconds

改成使用Python的多线程程序：

from threading import Thread
from time import time

def factorize(number):
    for i in range(1, number+1):
        if number % i == 0:
            yield i
            
class FactorizeThread(Thread): ##继承Thread
    def __init__(self,number):
        super().__init__()
        self.number = number
    def run(self):
        self.factors = list(factorize(self.number))
        
if __name__ == '__main__':
    numbers = [2149000, 3902300, 8390202, 10008375]
    start = time()
    threads = []
    for number in numbers:
        thread = FactorizeThread(number)
        thread.start()
        threads.append(thread)
        
    for thread in threads:
        thread.join()
        
    end = time()
    print('Spend time %.3f seconds' %(end-start))

输出结果：

Spend time 2.570 seconds

可以看出，多线程程序执行所花费的时间竟然更长。这样的结果表明，标准的CPython解释器的多线程程序受到GIL的影响。

尽管Python的多线程很鸡肋，但是仍然可以应用在阻塞式的IO操作中，例如读写文件，网络通讯等操作。同时，Python在多个线程中执行系统调用时，其可以实现平行地执行。Python线程在执行系统调用的时候会释放GIL锁，并且一直等到执行完毕才会重新获取它，所以GIL是不会影响系统调用的。