每个CPU在同一时间只能执行一个线程，那么其他的线程就必须等待该线程的全局解释器，使用权消失后才能使用全局解释器，即使多个线程直接不会相互影响在同一个进程下也只有一个线程使用CPU，这样的机制称为全局解释器锁(GIL)。GIL的设计简化了CPython的实现，使得对象模型包括关键的内建类型，如：字典等，都是隐含的，可以并发访问的，锁住全局解释器使得比较容易的实现对多线程的支持，但也损失了多处理器主机的并行计算能力。
Python全局解释器锁(GIL)是一种互斥锁或锁，仅允许一个线程持有Python解释器的控制权。
全局解释器锁的好处
1、避免了大量的加锁解锁的好处
2、使数据更加安全，解决多线程间的数据完整性和状态同步。
全局解释器锁的劣势
多核处理器退化成单核处理器，只能并发不能并行。
Python全局解释器锁(GIL)的作用
多线程情况下必须存在资源的竞争，GIL是为了保证在解释器级别的线程唯一使用共享资源(cpu)。
1.python中数据类型，int,float,复数，字符，元组，做全局变量时需要在函数里面用global申明变量，才能对变量进行操作。
而，对象，列表，词典，不需要声明，直接就是全局的。
2.线程锁mutex=threading.Lock()
创建后就是全局的。线程调用函数可以直接在函数中使用。
mutex.acquire()开启锁
mutex=release()关闭锁
要注意，死锁的情况发生。
注意运行效率的变化:
正常1秒，完成56997921
加锁之后，1秒只运行了531187，相差10倍多。
3.继承.threading.Thread的类，无法调用__init__函数，无法在创建对象时初始化新建的属性。
4.线程在cpu的执行，有随机性
5. 新建线程时，需要传参数时，args是一个元组，如果只有一个参数，一定后面要加一个,符号。不能只有一个参数否则线程会报创建参数错误。threading.Thread(target=fuc,args=(arg,))
