python GIL 代码

下面是一个简单的Python多线程程序，可以用来演示GIL的影响：

import threading

# 定义一个全局变量
count = 0

# 定义一个线程函数，每个线程会对全局变量进行1000000次累加
def worker():
    global count
    for i in range(1000000):
        count += 1

# 创建10个线程并启动它们
threads = []
for i in range(10):
    t = threading.Thread(target=worker)
    t.start()
    threads.append(t)

# 等待所有线程完成
for t in threads:
    t.join()

# 输出最终的计数值
print(f"Final count: {count}")

在上面的代码中，我们创建了10个线程，并且每个线程都会对全局变量`count`进行1000000次累加。由于GIL的存在，这些线程不能真正并行执行，而是会交替执行。因此，最终的计数值可能不是我们期望的10000000，而是一个更小的数。

如果将上面的代码改为使用多进程，就可以避免GIL的影响，实现真正的并行执行。下面是一个使用`multiprocessing`模块的示例代码：

import multiprocessing

# 定义一个全局变量
count = 0

# 定义一个进程函数，每个进程会对全局变量进行1000000次累加
def worker():
    global count
    for i in range(1000000):
        count += 1

# 创建10个进程并启动它们
processes = []
for i in range(10):
    p = multiprocessing.Process(target=worker)
    p.start()
    processes.append(p)

# 等待所有进程完成
for p in processes:
    p.join()

# 输出最终的计数值
print(f"Final count: {count}")

在上面的代码中，我们使用`multiprocessing`模块创建了10个进程，并且每个进程都会对全局变量`count`进行1000000次累加。由于每个进程都有自己的Python解释器和GIL，因此它们可以真正并行执行，最终的计数值应该是我们期望的10000000。