1. GIL是什么

首先需要明确的一点是GIL并不是Python的特性, Python完全可以不依赖于GIL. GIL(Global Interpreter Lock)是在实现Python解析器(CPython)时所引入的一个概念. 对于Python而言, 同一段代码可以通过CPython, PyPy, JPython等不同的Python执行环境来执行, 像其中的JPython就没有GIL. 然而因为CPython是大部分环境下默认的Python执行环境, 所以在很多人的概念里CPython就是Python, 也就想当然的把GIL归结为Python语言的缺陷.
官方给出的解释如下:

In CPython, the global interpreter lock, or GIL, is a mutex that prevents multiple native threads from executing Python bytecodes at once. This lock is necessary mainly because CPython’s memory management is not thread-safe. (However, since the GIL exists, other features have grown to depend on the guarantees that it enforces.)

2. 如何减少受到GIL的影响

1. 用multiprocessing替代Thread
   multiprocessing库的出现很大程度上是为了弥补thread库因为GIL而低效的缺陷. 它完整的复制了一套thread所提供的接口方便迁移. 唯一的不同就是它使用了多进程而不是多线程. 每个进程有自己的独立的GIL, 因此也不会出现进程之间的GIL争抢.
2. 用其他解析器
   之前也提到了既然GIL只是CPython的产物, 那么其他解析器是不是更好呢？没错, 像JPython和IronPython这样的解析器由于实现语言的特性, 他们不需要GIL的帮助. 然而由于用了Java/C#用于解析器实现, 他们也失去了利用社区众多C语言模块有用特性的机会. 所以这些解析器也因此一直都比较小众. 毕竟功能和性能大家在初期都会选择前者, Done is better than perfect.

3. 总结

1. Python的多线程在多核CPU上, 只对于IO密集型计算产生正面效果；而当至少有一个CPU密集型线程存在时, 多线程效率会由于GIL而大幅下降.
2. Python GIL其实是功能和性能之间权衡后的产物, 它有其存在的合理性, 也有较难改变的客观因素. GIL在较长一段时间内将会继续存在, 但是会不断改进
3. 如果对并行计算性能要求较高的程序可以考虑把核心部分写成C模块, 或者索性用其他语言实现

4. References

1. Python的GIL是什么鬼, 多线程性能究竟如何