GIL是CPython的全局解释器锁，确保同一时刻仅一个线程执行字节码，导致CPU密集型多线程无法利用多核；I/O和部分C扩展可释放GIL实现并发，计算密集型任务应改用multiprocessing或更适合的语言。
Python 的 GIL 是什么，它怎么锁死多核 CPU
CPython 解释器里有个全局解释器锁（GIL），它保证同一时刻只有一个线程执行 Python 字节码。这不是语言设计缺陷，而是 CPython 内存管理（引用计数）的权宜之计。结果就是：哪怕你用 threading.Thread 启 100 个线程跑纯计算，CPU 使用率也几乎卡死在单核 100%，其余核心空转。
常见错误现象：top 或任务管理器里看到 Python 进程只占一个逻辑核，htop 显示其他核负载为 0；用 time.time() 测多线程计算耗时，和单线程几乎一样。
- 只有 I/O 操作（如
requests.get、open()、socket.recv）能触发 GIL 释放，让其他线程抢入 - C 扩展（如 NumPy 的向量化运算）若显式释放 GIL，就能并行——但这不是 Python 线程在干活，是底层 C 代码绕开了 GIL
-
asyncio对 CPU 密集型任务完全无效，它只优化 I/O 等待，不解决计算并发
替代方案：什么时候该换 multiprocessing，什么时候该换语言
用 multiprocessing 能绕过 GIL，因为每个进程有独立解释器和内存空间。但它代价不小：进程启动开销大、进程间通信（Queue、Pipe）比线程共享变量慢得多、内存占用翻倍（数据要序列化复制）。
使用场景判断：
立即学习“Python免费学习笔记（深入）”；
