关于多进程开发可以使用多核CPU而单进程多线程开发不能使用多核CPU的问题？
解读：本质上是官方提供的Cpython解释器的问题，原因是上世纪90年代，当时是单核CPU的大背景下，龟叔为了解决多线程之间恶意竞争资源而出现的诸多问题，特别设计了GIL锁。但是由于科技的发展，以及计算机硬件条件的改变，如今在多核CPU的大背景下，这个问题也是越来越突出，但是龟叔在社区反馈：考虑到GIL锁，已经植入到Cpython解释器多年，并与解释器产生千丝万缕的联系，所以强行调整可能会牵一发而动全身，导致Cpython解释器出现各种问题。所以Python的多线程并发问题，适中始终没有得到有效的解决。
那接下来我们谈谈Python中多线程的效率问题？
这个要从两方面来看待，CPU密集型操作和IO密集型操作：
-
1、CPU密集型代码(各种循环处理、计数等涉及科学计算业务部分)，在这种情况下，ticks计数很快就会达到阈值，然后触发GIL的释放与再竞争（多个线程来回切换当然是需要消耗资源的），所以Cpython下的多线程对CPU密集型代码并不友好。
-
2、IO密集型代码(文件处理、网络爬虫等)，多线程能够有效提升效率(单线程下有IO操作会进行IO等待，造成不必要的时间浪费，而开启多线程能在线程A等待时，自动切换到线程B，可以不浪费CPU的资源，从而能提升程序执行效率)。所以Cpython的多线程对IO密集型代码比较友好。
-
3.而在python3.x中，GIL不使用ticks计数，改为使用计时器（执行时间达到阈值后，当前线程释放GIL），这样对CPU密集型程序更加友好，但依然没有解决GIL导致的同一时间只能执行一个线程的问题，所以效率依然不尽如人意。
-
4.多核多线程比单核多线程更差，原因是单核下多线程，每次释放GIL，唤醒的那个线程都能获取到GIL锁，所以能够无缝执行，但多核下，CPU0释放GIL后，其他CPU上的线程都会进行竞争，但GIL可能会马上又被CPU0拿到，导致其他几个CPU上被唤醒后的线程会醒着等待到切换时间后又进入待调度状态，这样会造成线程颠簸(thrashing)，导致效率更低
总结：回到最开始的问题：经常我们会听到老手说：“Cpython解释器下想要充分利用多核CPU，就用多进程”，原因是什么呢？
原因是：每个进程有各自独立的GIL，互不干扰，这样就可以真正意义上的并行执行，所以在Cpython中，多进程的执行效率优于多线程(仅仅针对多核CPU而言)。