GIL全局解释器锁

CPython 在解释器进程级别有一把锁，叫做GIL，即全局解释器锁。

GIL保证在CPython进程中，只有一个线程执行字节码。甚至在多核CPU的情况下，也只允许同时只能有一个CPU核心上运行该进程的一个线程（就是一个进程中同时只能有一个线程被运行）

Cpython中

IO密集型，某个线程阻塞，GIL会释放，就会调度其他就绪线程。
CPU密集型，当前线程可能会连续的获得GIL，导致其他线程几乎无法使用CPU
在CPython中由于有GIL存在，IO秘籍型，使用多线程较为合算；cpu秘籍型使用多进程，要绕开GIL

Python中绝大多数内置数据结构的读、写操作都是原子操作（在线程运行进行读或写操作时不会被其他线程打断）。

由于GIL的存在，python的内置数据类型在多线程编程的时候就变成了安全的了，但是实际上他们本身不是线程安全类型

测试下面2个程序，请问下面的程序是计算密集型还是IO密集型？（计算密集型）

import logging
import datetime
logging.basicConfig(level=logging.INFO, format="%(thread)s %(message)s")
start = datetime.datetime.now()
# 计算
def calc():
    sum = 0
    for _ in range(1000000000): # 10亿
sum += 1
calc()
calc()
calc()
calc()
delta = (datetime.datetime.now() - start).total_seconds()
logging.info(delta)

import threading
import time
import logging

FORMAT='%(asctime)s %(threadName)s %(thread)d %(message)s'
logging.basicConfig(format=FORMAT,level=logging.INFO)
import logging
import datetime
logging.basicConfig(level=logging.INFO, format="%(thread)s %(message)s")
start = datetime.datetime.now()
# 计算
def calc():
  sum = 0
  for _ in range(10000000): 
    sum += 1
t1 = threading.Thread(target=calc)
t2 = threading.Thread(target=calc)
t3 = threading.Thread(target=calc)
t4 = threading.Thread(target=calc)
t1.start()
t2.start()
t3.start()
t4.start()
t1.join()
t2.join()
t3.join()
t4.join()
delta = (datetime.datetime.now() - start).total_seconds()
logging.info(delta)
#输出
2023-03-03 10:29:55,796 MainThread 8673478144 18.765817