Что хотят услышать интервьюеры:

GIL — это механизм в CPython, который не позволяет нескольким потокам одновременно исполнять байткод Python в одном процессе. Из-за него CPU-bound задачи на потоках обычно не ускоряются, а вот I/O-bound задачи могут выигрывать за счёт переключения потоков во время ожидания ввода-вывода. При этом GIL не делает Python “однопоточным”, но ограничивает параллелизм именно на уровне выполнения Python-кода.

Определение:

Global Interpreter Lock — это глобальная блокировка интерпретатора CPython, которая разрешает только одному потоку в каждый момент времени выполнять байткод Python внутри одного процесса. Это сделано для упрощения управления памятью и внутренней структуры объектов, в частности для безопасной работы со счётчиком ссылок.

Пример использования:

Если есть две задачи: одна считает большой массив чисел, а другая ждёт ответ от сети, то в потоках в CPython вторая задача может выполняться полезно во время ожидания первой. Но если обе задачи только активно считают на CPU, прироста производительности от потоков может не быть.

import threading
import time

def cpu_task():
    total = 0
    for i in range(10_000_000):
        total += i
    print("CPU task done")

def io_task():
    time.sleep(2)
    print("IO task done")

t1 = threading.Thread(target=cpu_task)
t2 = threading.Thread(target=io_task)

t1.start()
t2.start()

t1.join()
t2.join()

Пояснение кода:

В этом примере создаются два потока. Первый поток выполняет вычисления, второй имитирует ожидание ввода-вывода через sleep. Во время sleep поток не занимает процессор, и интерпретатор может переключаться на другой поток. Поэтому для I/O-подобных задач многопоточность остаётся полезной. Для чистых вычислений оба потока будут по очереди получать право выполнять байткод, а не параллельно на нескольких ядрах.

Ключевые моменты:

GIL есть в CPython и ограничивает одновременное выполнение байткода Python в одном процессе.
Он упрощает управление памятью и внутреннюю безопасность объектов.
Потоки в Python полезны для I/O-bound задач, где есть ожидание сети, диска, таймеров.
Для CPU-bound задач потоки обычно не дают ускорения из-за GIL.
Для реального параллелизма вычислений чаще используют multiprocessing, отдельные процессы или нативные расширения, которые могут освобождать GIL.
GIL — это не запрет на многопоточность, а ограничение именно на параллельное исполнение Python-кода в CPython.

Можете объяснить, как работает глобальный интерпретатор блокировок в Python и каким образом он влияет на выполнение потоков?