一、GIL锁
1、全局解释器锁（Global Interpreter Lock，简称 GIL）
GIL 是一种用于保护 Python 解释器在多线程环境下的数据完整性的机制。GIL 只存在是 CPython 解释器中，即官方的 Python 解释器实现
GIL 是一个互斥锁，你可以使用多线程来并发处理任务，但在同一时刻只能有一个线程在执行 Python 字节码。
2、存在的背景
GIL 的存在主要是因为 CPython 的内存管理机制（垃圾回收机制，python有一个垃回收线程）并不是线程安全的。
Python 中的对象引用计数机制（reference counting）是一种快速且高效的垃圾回收机制，但它对于多线程环境来说需要保证引用计数的一致性，这就需要 GIL 来确保同一时间只有一个线程能够访问和修改对象的引用计数。
由于 GIL 的存在，导致了 Python 在 CPU 密集型任务上的多线程性能并不理想。因为在这种情况下，即使使用了多个线程，由于 GIL 的限制，多个线程也不能真正并行执行，只能交替执行，因此无法充分利用多核 CPU 的优势。
然而，GIL 在 I/O 密集型任务上的影响较小。当线程执行 I/O 操作（如文件读写、网络请求）时，线程会主动释放 GIL，让其他线程有机会执行，从而提高了并发性能。
需要注意的是，GIL 只存在于 CPython 解释器中。其他一些 Python 解释器实现（如 Jython、IronPython）没有 GIL，它们可以更好地利用多线程并发执行。
GIL 是 Python 解释器中的一种机制，用于保护解释器在多线程环境下的数据一致性。
虽然 GIL 限制了多线程的并行性能，但在 I/O 密集型任务中仍然可以提供一定的并发优势。
如果你需要在 Python 中处理 CPU 密集型任务，并发执行的需求较大，可以考虑使用多进程、异步编程或者使用其他 Python 解释器实现来绕过 GIL 的限制。
案例
创建了5个线程，每个线程都执行一个自增函数，该函数将一个全局计数器 counter 的值自增100万次。
由于 GIL 的限制，这段代码在多线程环境下并不能实现预期的并行效果。最终输出的计数器值通常会小于500万，而不是我们期望的500万（即每个线程自增100万次，共5个线程）。
这是因为 GIL 会确保在任何同一时间内只有一个线程在执行 Python 代码，导致多个线程无法同时访问和修改共享的计数器变量。没有抢到GIL锁的线程就会被释放掉。线程会交替地获取和释放 GIL，导致了部分线程的执行时间被浪费，没有执行。
import threading
import time
# 全局变量
counter = 0
# 自增函数
def increment():
global counter
for i in range(1000000):
counter += 1
# 创建并启动多个线程
threads = []
for i in range(5):
thread = threading.Thread(target=increment)
thread.start()
threads.append(thread)
# 等待所有线程执行完成
for thread in threads:
thread.join()
# 输出最终的计数器值
print("Final counter value:", counter)
# Final counter value: 2301450
二、互斥锁
1、