GIL与多线程创建

GIL 全局解释器锁(cpython下多线程BUG，python没有真正的多线程)
    在同一时刻只能有一个线程进入解释器
    解决方案之一：协程+多进程

在python里：
    if    任务是IO密集型     可以用多线程
    if    任务是计算密集型，多线程没用，用C改进。

创建多线程
    import threading
    
    def foo(n):
        pass
    
    t = threading.Thread(target=foo, args=(8,))
    t.start()

锁
    t = threading.Lock()
    t.acquire()
    t.release()

死锁
    递归锁　　内部自动计数
    lock = threading.RLock()
    
信号量     并行锁
　　semaphore = threading.BoundedSemaphore(n)
　　n 为并行的锁个数
　　信号量用来控制线程并发数的，BoundedSemaphore或Semaphore管理一个内置的计数 器，每当调用acquire()时-1，调用release()时+1。
　　计数器不能小于0，当计数器为 0时，acquire()将阻塞线程至同步锁定状态，直到其他线程调用release()。(类似于停车位的概念)
　　BoundedSemaphore与Semaphore的唯一区别在于前者将在调用release()时检查计数 器的值是否超过了计数器的初始值，如果超过了将抛出一个异常。

条件变量同步(Condition)
    有一类线程需要满足条件之后才能够继续执行，Python提供了threading.Condition 对象用于条件变量线程的支持，
    它除了能提供RLock()或Lock()的方法外，还提供了 wait()、notify()、notifyAll()方法。
    
    lock_con = threading.Condition([Lock/Rlock])： 锁是可选选项，不传人锁，对象自动创建一个RLock()。
    wait()：条件不满足时调用，线程会释放锁并进入等待阻塞；
    notify()：条件创造后调用，通知等待池激活一个线程；
    notifyAll()：条件创造后调用，通知等待池激活所有线程。

    同步条件(Event)
        条件同步和条件变量同步差不多意思，只是少了锁功能，因为条件同步设计于不访问共享资源的条件环境。
        event = threading.Event()：条件环境对象，初始值 为False；
        event.isSet()：返回event的状态值；
        event.wait()：如果 event.isSet()==False将阻塞线程；
        event.set()： 设置event的状态值为True，所有阻塞池的线程激活进入就绪状态， 等待操作系统调度；
        event.clear()：恢复event的状态值为False。