谢邀，我们来聊聊Python的GIL问题。

CPython（标准的python实现）有一个名为GIL（全局解释器锁）的东西，它阻止两个线程在同一个程序中同时执行。 有些人对此感到不安，而其他人则狠狠地为此辩护。 但是，有一些解决方法，像Numpy这样的库通过在C中运行外部代码来绕过这个限制。

何时使用线程与进程？

• 进程加速了CPU密集型的Python操作，因为它们受益于多个内核并避免使用GIL。
• 线程最适合IO任务或涉及外部系统的任务，因为线程可以更有效地组合他们的工作。 进程需要挑选他们的结果来组合它们需要时间。

由于GIL，线程在python中没有为CPU密集型任务提供任何好处。而对于像Dot Product这样的某些操作，Numpy可以解决Python的GIL并且并行执行代码。

I/O的多线程使用

应用程序的大部分时间都花在I/O上。无论是磁盘I/O还是网络I/O。

例如，对于Web应用程序，大多数情况下是处理数据库。因此，在大多数现代应用程序中，最大的瓶颈是I/O。以下是开启4个线程后效果，实际上效果还是很显著的。

这意味着应用程序大部分都在等待，因此即使python没有GIL，也不是所有应用程序都会一直运行（使用cpu，因为它们将等待I/O完成）。

所以，在大多数应用程序线程在I / O上等待的情况下，其他线程可以获取CPU，从而提高性能。如果python没有多线程，那么其他一些线程无法获得cpu因此浪费时间。现在至少当一个线程正在等待I/O时（大部分应用程序都是这种情况），其余的线程都可以工作，那么多线程还是有它存在的必要，所以这就是我们没有看到GIL所拥有问题的原因。

当然如果你的应用程序是CPU密集型的，那么在python中确实没有太多的线程可以提供使用。

我会在这里发布所有与科技、科学有关的有趣文章，欢迎订阅我的头条号。偶尔也回答有趣的问题，有问题可随时在评论区回复和讨论。

先简单的回答：有必要。

首先，线程消耗的是CPU资源

如果一个单线程内处理的业务逻辑会占用100%的CPU资源，那么，上了多线程也是没有用的。

但这种情况很少，高CPU占用一般出现在内存计算场景下，或者不良代码中错误的死循环。 正常情况下，CPU占用大于80%就需要进行代码或设计的优化，或者服务器增加资源了。

多线程场景适用于解决慢速IO的问题

我们绝大部分的计算，都会依赖于很多外部资源IO，如磁盘读写、网络访问、数据库访问… 这些资源的访问速度远远低于CPU的切换速度。如果使用单线程进行操作时，就会长时间的等待IO的返回。造成无效等待，性能低下。

所以即使是Python，为了充分利用CPU资源，提高性能，在通常的业务场景下使用多线程编程也是完全必要的。

多核与Python多实例

延续上面的问题，我们知道现在CPU大部分都是多核的，python为了避免单线程只能使用到一个核的问题，是有个multiprocessing 库的，允许创建子进程（子进程数一般与核心数相同），来充分利用CPU资源。

↓ ↓ ↓ 喜欢就点赞吧，欢迎各位评论指教，谢谢关注 — 极迭代！python有个全局锁，你不知道什么是全局锁你可以百度查一下，由于这个全局锁的存在python的多线程其实就是个鸡肋，所以，一般都用异步协程的方式来搞定高并发！