写出了正确的多线程代码，运行速度反而比单线程慢很多，原来是由于GIL（Global Interpreter Lock）！
GIL 是Cpython(Python语言的主流解释器)特有的全局解释器锁（其他解释器因为有自己的线程调度机制，所以没有GIL机制），GIL锁定Python线程中的CPU执行资源。线程在执行代码时，必须先获得这把锁，才获得CPU执行代码指令。如果这把锁被其他线程占用，该线程就只能等待，等到占有该锁的线程释放锁。
在Cpython解释器中，线程要想执行CPU指令需要2个条件：
被操作系统调度出来（操作系统允许它占用CPU）
获取到GIL（Cpython解释器允许它执行指令）
如果写出正确的多线程代码，执行的情况就是会有线程满足条件1不满足条件2，这时只能等待。
在单核CPU机器上，多线程与单线程在本质上并无不同，因为所有线程都是轮流占用CPU。多个线程慢于一个线程，因为其他线程还要先调度出来，再等待。
在多核CPU机器上，多线程代码运行性能会非常糟糕，比单核更糟糕。因为这时候多一个步骤，不同的CPU再竞争GIL，GIL只有一个。Python在多核CPU上的多核CPU也只有单线程在跑程序。
可以有哪些解决办法呢？【绕开GIL的影响】
使用多进程（多进程之间没有GIL限制）
使用Jython, IronPython等无GIL的解释器
使用协程（高效的单线程模式）
GIL的设置有其优点和可取之处，在Cpython解释器框架之下难以绕过这一限制。可以用PyPy解释器，麻烦之处在于很多第三方库在PyPy下无法使用，或者重新安装第三方库的PyPy版本。运行时候，PyPy **.py即可。Cpython下是Python **.py。
I/O的多线程还是快于单线程，因为优先级在获取GIL之上，I/O并行运算的时候，GIL处于release状态。
注意：但是多进程的时候要注意点，就是如果把开启进程的对象放到全局位置的话，会造成在开启子进程的时候，子进程又会调用这个全局对象，造成再一次开启子进程，这就导致子进程里再开启子进程，从而就会报错。因为子进程再开启子进程是不允许的，这个会造成无限死循环。