由于GIL（Global Interpreter Lock）的存在使得在同一时刻Python进程只能使用CPU的一个核心，也就是对应操作系统的一个
内核线程，对于一个Python web程序，如果有个请求，并且都是长耗时的计算任务（占用），这个程序在接受第一个请求后
还能处理别的请求么？假如web程序接受到请求就while True了：

def handle_request(request): while True: pass

从代码上理解，Python只有一个真正的执行线程，代码走到while True就占用唯一的一个cpu核心了，它还有机会处理
别的任务么？

来启动两个线程都进行while True ，观察他们是否都能执行来模拟那两个请求：

import time, threadingdef f1(name): while True: print(name) time.sleep(1)threading.Thread(target=f1, args=('f1', )).start()threading.Thread(target=f1, args=('f2', )).start()

输出结果：

f1
f2
f2f1

f2
f1
...

实际上使用Django(一个Python Web 框架)测试，即使一个请求执行了while True这样的代码，它还是可以处理别的请求（支持并发）；

来解释一下为什么两个while True 都能执行：
还是用GIL这把锁，第一个while True的线程拿到这把锁才能执行，然后它执行了一个print(name)接着把锁释放了，
它就暂停了，接着第二个while True线程拿到GIL后开始执行，围绕GIL交替执行，就实现了Python的多线程。

总结一下：

while True也不能一直持有CPU资源，它也是执行一会歇一会，这就给了其他进程机会，这里面有两个关键点：

• 如何抢到这把锁
• 如何释放锁

抢锁，排队。给lock安排一个队列，想执行的进这个队列。

释放锁的有点类似进程调度：

• 划分时间片（执行一样的时间）
• 执行指令计数（执行一样的指令次数）
• 碰到IO操作（被动等待）
• 主动等待（wait/join/sleep）

碰到IO操作，需要等待IO设备完成计算才能继续执行线程，这段时间内不占用CPU资源，先把锁释放了。
主动等待，典型的就是sleep，主动放弃锁，等到一定时机再重新执行。

以上分析 说明Python支持并发，但是由于无法利用多核处理器优势，对于大量并发下的计算密集型应用
不适合使用Python。

到此这篇关于python如何支持并发的文章就介绍到这了,更多相关python支持并发内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持！