Что хотят услышать интервьюеры:

GIL — это механизм в CPython, который не позволяет нескольким потокам одновременно исполнять байткод Python. Он нужен для упрощения управления памятью и внутренней безопасности интерпретатора. Из-за него потоки в Python плохо ускоряют CPU-bound задачи, но могут быть полезны для I/O-bound нагрузки.

Определение:

GIL (Global Interpreter Lock) — глобальная блокировка интерпретатора Python, которая разрешает только одному потоку выполнять байткод Python в конкретный момент времени. Это не значит, что в программе нельзя использовать несколько потоков вообще; это значит, что параллельное выполнение именно Python-кода в рамках одного процесса ограничено.

Основная причина существования GIL — упрощение реализации интерпретатора, в частности управления объектами и подсчёта ссылок в памяти. Благодаря этому CPython проще и быстрее в реализации базовых операций, но цена — ограничение на истинный параллелизм для потоков.

Пример использования:

Если приложение скачивает файлы, читает сеть или ждёт ответы от базы данных, потоки могут быть полезны: пока один поток ждёт I/O, другой может работать.

import threading
import requests

urls = [
    "https://example.com",
    "https://example.org",
    "https://example.net",
]

def fetch(url):
    response = requests.get(url)
    print(url, response.status_code)

threads = [threading.Thread(target=fetch, args=(url,)) for url in urls]

for t in threads:
    t.start()

for t in threads:
    t.join()

В этом примере потоки помогают скрывать ожидание сети. Но если вместо запросов выполнять тяжёлые вычисления в Python, ускорения может почти не быть из-за GIL.

Пояснение кода:

Код показывает I/O-bound сценарий. Создаётся несколько потоков, и каждый выполняет HTTP-запрос к своему URL. Пока один поток ждёт ответа от сети, интерпретатор может переключиться на другой поток.

threading.Thread(...) создаёт поток для функции fetch.
start() запускает потоки параллельно.
join() ждёт завершения всех потоков.
Реальная выгода здесь — в ожидании сети, а не в параллельном вычислении Python-кода.

Если заменить запросы на тяжёлые вычисления, например на большие циклы или обработку данных в чистом Python, потоки обычно не дадут заметного выигрыша. Для CPU-bound задач чаще используют multiprocessing, вынесение вычислений в нативный код или библиотеки, которые освобождают GIL.

Ключевые моменты:

GIL есть в CPython и ограничивает одновременное выполнение байткода Python несколькими потоками.
Он упрощает управление памятью и внутреннюю реализацию интерпретатора.
Для CPU-bound задач потоки в Python часто не ускоряют программу.
Для I/O-bound задач потоки всё ещё полезны, потому что время уходит на ожидание внешних операций.
Обойти ограничение можно через multiprocessing, нативные расширения или использование библиотек, которые освобождают GIL.
GIL — это не запрет на многопоточность, а ограничение на истинный параллелизм Python-кода в одном процессе.

Что такое GIL в Python, зачем он нужен и как работает?