GIL：全局解释器锁 VS 用户程序锁

既然有了GIL锁，CPython还要多线程干什么？

'''
GIL：全局解释器锁的来历
四核：同一时刻真正有四个任务在运行，多核的意义在于此
单核：看上去是并发的，因为进行了上下文切换，单核永远是串行的，并发是假象
CPython中不论有多少核，只有一个核心的CPU资源被使用,因为同一时间只有一个线程能拿到GIL锁。
为什么这样设计呢？CPython的线程是调用操作系统的c语言的原生线程，该线程不是线程安全的。balabalabala...
===================官方解释======================
在CPython中，全局解释器锁或GIL是一个互斥锁，
这个锁是必要的，主要是因为CPython的内存管理不是线程安全的。
（然而，由于GIL的存在，其他特征已经发展成依赖于这个锁形成的线程安全环境）
=================================================
由于GIL是全局的，所以在多线程（多核）时，线程需满足两个条件才能执行
1、被操作系统调度出来【操作系统允许它占用CPU】 2、获取到GIL锁【CPython解释器允许它执行指令】
怎样避免GIL影响性能？就是减少GIL锁对线程的影响
1、在单核机器上Python和其他语言一样，“多线程”只是是假象实际上还是单线程。第2条总能满足，性能没有影响
2、在多核机器上Python只有一个核心在使用。因为多核多线程中，同时只有一个线程申请到GIL。所以要尽量减少
   对GIL的申请，例如：全IO密集型任务时才使用多线程，
   避免在计算密集型任务中使用Python的多线程(因为计算需要CPU资源,会频繁申请GIL锁，造成其他线程等待)
================================================
用户程序锁：
还有一个锁，用户程序锁，跟GIL没有关系。这个锁是保证某个全局变量的修改必须是串行的
假设有全局变量num=0，线程作用是对num执行加1的操作。
在线程调度的时候，A线程获取到num=0,A执行到一半，CPU执行B线程，
B线程将num修改num=1，CPU继续执行A线程，A线程执行完毕，将num修改成1，而num在AB线程执行完其实应该为2
此时就应该对num变量加锁。这个锁就是用户程序锁，这个锁不同于GIL锁。GIL锁是同一时间只能有一个线程使用
CPU资源，要保证同一时间只有一个线程访问某块数据就需要“用户程序锁”
=====================================================
在Python2.x版本+某些操作系统里不加用户程序锁会导致结果不准。
在Python3.x版本+某些操作系统里不确定是否有同样的问题，但是最好加上。
'''
import threading
import time

lock = threading.Lock()
class Foo:
    num = 0
    @classmethod
    def run(cls):
        time.sleep(2)
        lock.acquire()
        cls.num += 1
        lock.release()
thread_objs = []
for i in range(20):
    thread_objs.append(threading.Thread(target=Foo.run, args=()))
start_time = time.time()
for i in thread_objs:
    i.start()
for i in thread_objs:
    i.join()
print(Foo.num)     #
print(time.time()-start_time)  #  2.0051145553588867