GIL 是什么？它的影响和具体原理是什么？

GIL：Global Interpreter Lock（全局解释器锁）。具体表现就是：在一个进程中，同一时刻只能有一个线程能得到解释器，为什么只能有一个线程拿到解释器呢？因为在 CPython 中，内存管理不是线性安全的，所以，为了避免多个线程同时访问到一个对象，就有了这么一个锁。

那么 GIL 的影响是什么呢？就是同一时刻只有一个线程在真实执行，对于 CPU 密集型的应用影响比较大，对于 IO 密集型的应用影响没那么大。

补充：CPU核心数、线程数的关系？

基本原则是：应用程序的最小线程数应该等于可用的处理器核数。具体场景又分为以下两种情况：
（1）如果所有的任务都是计算密集型的，则创建处理器可用核心数那么多个线程就可以了。在这种情况下，创建更多的线程对程序性能而言反而是不利的。因为当有多个任务处于就绪状态时，处理器核心需要在线程间频繁进行上下文切换，而这种切换对程序性能损耗较大。
（2）如果任务都是IO密集型的，那么我们就需要开更多的线程来提高性能。当一个任务执行IO操作时，其线程将被阻塞，于是处理器可以立即进行上下文切换以便处理其他就绪线程。如果我们只有处理器可用核心数那么多个线程的话，即使有待执行的任务也无法处理，因为我们已经拿不出更多的线程供处理器调度了。
总之，如果任务有50%的时间处于阻塞状态，则程序所需线程数为处理器可用核心数的两倍。如果任务被阻塞的时间少于50%，即这些任务是计算密集型的，则程序所需线程数将随之减少，但最少也不应低于处理器的核心数。如果任务被阻塞的时间大于执行时间，即该任务是IO密集型的，我们就需要创建比处理器核心数大几倍数量的线程。计算出程序所需线程的总数的公式如下:

线程数=CPU可用核心数/(1-阻塞系数)，其中阻塞系数的取值在0和1之间。

计算密集型任务的阻塞系数为0，而IO密集型任务的阻塞系数则接近1。一个完全阻塞的任务是注定要挂掉的，所以我们无须担心阻塞系数会达到1。