Что хотят услышать интервьюеры:

GIL ограничивает параллельное выполнение байткода Python в одном процессе. В CPython в каждый момент времени только один поток может исполнять Python-код, даже если потоков несколько. При этом I/O-операции и нативный код могут выполняться иначе, поэтому ограничение не означает полную невозможность конкурентности.

Определение:

GIL (Global Interpreter Lock) — это глобальная блокировка интерпретатора CPython, которая защищает выполнение Python-байткода. Она работает на уровне интерпретатора, а не отдельного приложения: если процесс использует CPython, то внутри него одновременно исполнять Python-код может только один поток.

Это значит, что GIL ограничивает именно CPU-bound параллелизм в потоках внутри одного процесса. Для задач ввода-вывода, а также для кода в C-расширениях, которые умеют отпускать GIL, ограничение ощущается меньше.

Пример использования:

Если есть программа на Python, которая считает хэши больших файлов в нескольких потоках, ускорение может быть слабым или отсутствовать из-за GIL. Для такой задачи часто лучше использовать несколько процессов.

from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor
import hashlib

def hash_file(path):
    with open(path, "rb") as f:
        return hashlib.sha256(f.read()).hexdigest()

files = ["a.bin", "b.bin", "c.bin"]

# Для I/O-bound задач
with ThreadPoolExecutor(max_workers=4) as ex:
    print(list(ex.map(hash_file, files)))

# Для CPU-bound задач часто лучше так
with ProcessPoolExecutor(max_workers=4) as ex:
    print(list(ex.map(hash_file, files)))

Пояснение кода:

ThreadPoolExecutor запускает несколько потоков в одном процессе.
Из-за GIL потоки не смогут одновременно исполнять CPU-часть Python-кода.
ProcessPoolExecutor создает отдельные процессы, у каждого свой интерпретатор и свой GIL.
Поэтому для тяжелых вычислений процессы обычно дают реальный параллелизм.

Ключевые моменты:

GIL действует на уровне интерпретатора CPython, а не отдельной функции или модуля.
Он ограничивает одновременное исполнение Python-байткода в потоках одного процесса.
Для I/O-bound задач потоки по-прежнему полезны.
Для CPU-bound задач чаще эффективнее использовать multiprocessing или нативный код.
GIL — это особенность CPython; в других реализациях Python поведение может отличаться.

На каком уровне выполнения ограничивает GIL в интерпретаторе или приложении?