.png%3Ftable%3Dblock%26id%3D99172ae2-ee44-4671-9354-b020520c82ba%26cache%3Dv2&w=3840&q=75)
.png%3Ftable%3Dblock%26id%3Ddab96d0b-ee07-4ff3-b092-1af94acb9b45%26cache%3Dv2&w=3840&q=75)
Python速度慢的两大原因
相比C/C++/JAVA,Python确实很慢，在一些特殊的场景下，Python比C++慢100～200倍
- Python慢的原因一：动态型语言、边解释边执行
- Python速度慢的原因二：GIL无法利用多核GPU并发执行
GIL
全局解释器锁（英语：Global Interpreter Lock）
GIL是计算机程序设计语言解释器用于同步线程的一种机制，它使得任何时刻仅有一个线程在执行。即便是在多核心处理器上，使用GIL的解释器也仅允许同一时间执行一个线程。
为什么会有GIL
Python设计初期，为了规避并发问题引入了GIL，现在想去却去不掉了。
引入GIL的好处：解决多线程之间数据完整性和状态同步问题。
怎样规避GIL带来的限制
GIL带来的限制是：单一时刻只有一个线程在运行，无法使用多核CPU的优势，但它并非是毫无用处的。下面是GIL的使用场景：
- 多线程
threading机制仍然是有用的，用于IO密集型计算(IO-bound) 。因为在I/O期间，线程会释放GIL，实现CPU和IO的并行。因此，多线程用于IO密集型计算仍然可以大幅度提升速度但多线程用于CPU密集型计算时，只会更加拖慢速度（因为对于多线程，只有一个CPU可以用，同时又会经常发生多线程的切换->带来很多开销，因此会拖慢速度）
- 使用
multiprocessing的多进程机制实现并行计算、利用多核CPU优势，因此多进程适用于CPU密集型计算
Python