Python GIL、CPU密集型、IO密集型

Python GIL(Global Interpreter Lock(全局解释器锁))

1：进程里面多个线程，线程 共享A=10

2：Python解释器，A改完值之后会传回进程容器，为了防止A和B同时修改A的值引起的错误，加入锁，能保证A修改时，B和C不能修改

3：通过C语言调用底层命令与操作系统进行交互，然后OS再和硬件进行交互

什么是CPU密集型、IO密集型

IO密集型（I/O bound）: 指的是系统的CPU性能相对硬盘、内存要好很多，此时，系统运作，大部分状况是CPU在等IO（硬盘/内存）的读/写操作，此时CPU loading并不高， 即便是程序性能达到极限时，CPU占用率仍然很低，可能的原因是任务本身需要大量的IO操作，而pipeline做的并不是很好，没有充分利用处理器的能力

CPU密集型（CPU bound）：也叫计算密集型，指的是系统的硬盘、内存性能相对CPU要好很多（比如我的破电脑，CPU是i5三代的，但是内存8G，256G固态，打开大一点的项目CPU就占用100%了，但是内存才占用一半左右），IO很短时间内完成，但是CPU还有许多运算要处理； CPU bound 的程序一般而言CPU占用率相当高，可能是因为任务本身不太需要访问IO设备，也可能是因为程序是多线程实现因此屏蔽掉了等待IO的时间

计算密集型任务由于主要消耗CPU资源，因此，代码运行效率至关重要。Python这样的脚本语言运行效率很低，完全不适合计算密集型任务。对于计算密集型任务，最好用C语言编写。

IO密集型任务执行期间，99%的时间都花在IO上，花在CPU上的时间很少，因此，用运行速度极快的C语言替换用Python这样运行速度极低的脚本语言，完全无法提升运行效率。对于IO密集型任务，最合适的语言就是开发效率最高（代码量最少）的语言，脚本语言是首选，C语言最差。

总之，计算密集型程序适合C语言多线程，I/O密集型适合脚本语言开发的多线程。

freeze_support()有什么作用