理解pythongil-I/O绑定与CPU绑定

从文件

在CPython中，由于全局解释器锁，只有一个线程可以 立即执行Python代码（即使某些面向性能 库可能会克服此限制）。如果你想要你的 应用程序以更好地利用 多核机器，建议您使用多处理。然而， 如果要运行多个线程，线程仍然是合适的模型 同时执行I/O绑定任务

现在我有一个像这样的线程工人

def worker(queue):
    queue_full = True
    while queue_full:
        try:
            url = queue.get(False)
            w = Wappalyzer(url)
            w.analyze()
            queue.task_done()

        except Queue.Empty:
            queue_full = False

这里

w.analyze（）

做两件事

使用

请求

库刮取url

使用

pyv8

javascript库分析刮取的html

据我所知，

1

是I/O绑定，

2

是CPU绑定

---

这是否意味着，GIL申请了

2

，而我的程序无法正常运行？

对

GIL

的描述没有说明任何正确性，只说明了效率

如果

2

受CPU限制，您将无法从线程中获得多核性能，但您的程序仍将正确执行

---

如果您关心CPU并行性，那么应该使用Python的

多处理库。
我会在这里检查一个假设。我认为
请求
受CPU限制，或者至少它会锁定线程，直到请求完成。对于具有回调功能的库，我会签出。这是错误的<代码>请求（以及
urllib
，
httplib2
等）都是非常受I/O限制的<代码>线程化

加快了所有线程的速度。@Huu仅仅因为有东西锁定了线程并不意味着它是CPU受限的。如果将

sleep（1000）

放入一个线程，该线程将被阻塞一段时间，但它不会做任何工作，并将在其间释放GIL。任何其他类型的IO请求也是如此。