Что хотят услышать интервьюеры:

GIL — это глобальная блокировка интерпретатора Python, из-за которой в CPython одновременно исполняется только один поток Python-кода. Это не значит, что потоки бесполезны, но для CPU-bound задач они обычно не дают линейного ускорения. При этом для I/O-bound сценариев потоки остаются полезными, потому что часто освобождают CPU во время ожидания ввода-вывода.

Определение:

GIL (Global Interpreter Lock) — механизм в CPython, который защищает выполнение байткода Python так, чтобы в один момент времени его выполнял только один поток. Это упрощает внутреннюю реализацию интерпретатора и работу со счётчиком ссылок, но ограничивает параллелизм именно для Python-кода.

Важно понимать: GIL влияет на потоки внутри одного процесса именно в CPython. Для других реализаций Python поведение может отличаться.

Пример использования:

Если программа много читает данные из сети, диска или ждёт ответа от базы данных, потоки могут ускорить обработку за счёт переключения во время ожидания.

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()

Пояснение кода:

Код не требует сложного разборa, здесь важно показать поведение потоков на I/O-bound задаче.

Для каждой ссылки создаётся отдельный поток.
Потоки запускаются почти одновременно.
Пока один поток ждёт ответ от сети, другой может выполняться.
Из-за GIL одновременно не выполняется несколько участков Python-байткода, но ожидание сети освобождает время для других потоков.
Поэтому в таких задачах потоки могут дать реальный выигрыш по времени.

Ключевые моменты:

GIL есть в CPython и ограничивает одновременное исполнение Python-байткода.
Потоки не ускоряют CPU-bound вычисления, если они написаны на чистом Python.
Для I/O-bound задач потоки полезны: сеть, файловые операции, ожидание БД.
Если нужна параллельная CPU-нагрузка, обычно используют multiprocessing, native extensions или вынесение тяжёлых вычислений вне Python-байткода.
GIL не означает отсутствие многопоточности; он означает ограничение на параллельное выполнение именно Python-кода.

Можете объяснить, что такое GIL и как оно влияет на работу потоков в Python?