GIL 机制
官方 Python 使用的是 CPython 解释器，然而 CPython 解释器存在一个弊端，即同一时间只有一个线程在执行。这个原因是 Python 设计之初的一个缺陷，即全局解释器锁 GIL。
In CPython, the global interpreter lock, or GIL, is a mutex that prevents multiple native threads from executing Python bytecodes at once. This lock is necessary mainly because CPython’s memory management is not thread-safe. (However, since the GIL exists, other features have grown to depend on the guarantees that it enforces.)
GIL 的目的是为了避免多个线程同时执行 Python 字节码，因为 CPython 的内存管理机制并不是线程安全的。但是进而也降低了多线程下的执行效率。
而 GIL 的引入首先需要了解 CPython 的内存管理机制。CPython 使用引用计数法来进行内存管理，如果两个线程同时对一个对象进行操作，那么可能会出现内存泄漏。为了避免数据不一致的情况，就引入了锁的机制。为了避免一个对象一个锁进而导致死锁的可能性，就创建了 GIL 锁。但也就意味着 CPU 密集型程序的效率会退化成单线程执行。
GIL 锁的底层原理：每一个线程在开始执行时，都会锁住 GIL，以阻止别的线程执行；同样的，每一个线程执行完一段后，会释放 GIL，以允许别的线程开始利用资源。
每一个线程在开始执行时，都会锁住 GIL，以阻止别的线程执行；同样的，每一个线程执行完一段后，会释放 GIL，以允许别的线程开始利用资源。
CPython 中还有另一个机制，叫做 check_interval，意思是 CPython 解释器会去轮询检查线程 GIL 的锁住情况。每隔一段时间，Python 解释器就会强制当前线程去释放 GIL，这样别的线程才能有执行的机会。
不同版本的 Python 中，check interval 的实现方式并不一样。早期的 Python 是 100 个 ticks，大致对应了 1000 个 bytecodes；而 Python 3 以后，interval 是 15 毫秒。
为了避免同一线程霸占 CPU，在 python3.2 版本之后，线程会自动的调整自己的优先级，使得多线程任务执行效率更高。
但就算使用 GIL，也并不能保证完全的线程安全，例如 n = n + 1 操作是分为 4 步来执行的，并不是一个原子操作。具体来说为：加载全局变量 n、加载常数 1、进行二进制加法运算、将运算结果存入变量 n。线程在执行 4 步的时候可能会让出 GIL 锁，从而导致出错。
Link：zhuanlan.zhihu.com/p/97218985
绕过 GIL 锁
Python 的 GIL，是通过 CPython 的解释器加的限制。如果你的代码并不需要 CPython 解释器来执行，就不再受 GIL 的限制。
事实上，很多高性能应用场景都已经有大量的 C 实现的 Python 库，例如 NumPy 的矩阵运算，就都是通过 C 来实现的，并不受 GIL 影响。
可以理解的是，我们难以避免的有时候就是想临时给自己松松绑，摆脱 GIL，比如在深度学习应用里，大部分代码就都是 Python 的。在实际工作中，如果我们想实现一个自定义的微分算子，或者是一个特定硬件的加速器，那我们就不得不把这些关键性能（performance-critical）代码在 C++ 中实现（不再受 GIL 所限），然后再提供 Python 的调用接口。
参考链接
23 | 你真的懂Python GIL（全局解释器锁）吗？-Python核心技术与实战-极客时间
zhuanlan.zhihu.com/p/97218985