我们打开程序后，会发现电脑的内存和cpu发生了变化。在对于前者上面，自然是希望内容占用小，cpu的利用越高越好。那有没有什么方法可以让我们的cpu达到满状态的运行效果呢？这就得用到我们所学的多线程中的知识了，再正式开始讲解之前，我们先来说说操作的思路吧，然后进行代码对比。

我们都知道，比方我有一个4核的CPU，那么这样一来，在单位时间内每个核只能跑一个线程，然后时间片轮转切换。但是Python不一样，它不管你有几个核，单位时间多个核只能跑一个线程，然后时间片轮转。看起来很不可思议？但是这就是GIL搞的鬼。任何Python线程执行前，必须先获得GIL锁，然后，每执行100条字节码，解释器就自动释放GIL锁，让别的线程有机会执行。这个GIL全局锁实际上把所有线程的执行代码都给上了锁，所以，多线程在Python中只能交替执行，即使100个线程跑在100核CPU上，也只能用到1个核。通常我们用的解释器是官方实现的CPython，要真正利用多核，除非重写一个不带GIL的解释器。我们不妨做个试验：

#coding=utf-8
from multiprocessing import Pool
from threading import Thread
 
from multiprocessing import Process
 
 
def loop():
    while True:
        pass
 
if __name__ == '__main__':
 
    for i in range(3):
        t = Thread(target=loop)
        t.start()
 
    while True:
        pass

我的电脑是4核，所以我开了4个线程，看一下CPU资源占有率：

我们发现CPU利用率并没有占满，大致相当于单核水平。

而如果我们变成进程呢？

我们改一下代码：

#coding=utf-8
from multiprocessing import Pool
from threading import Thread
 
from multiprocessing import Process
 
 
def loop():
    while True:
        pass
 
if __name__ == '__main__':
 
    for i in range(3):
        t = Process(target=loop)
        t.start()
 
    while True:
        Pass

结果直接飙到了100%，说明进程是可以利用多核的！

如果小伙伴们运行的结果也是cpu百分之百，就说明本次的修改成功了。为了更直观的让大家看出前后区别，小编特意准备了前后的对比，说明GIL修改多线程的方法是可行的！