大家可能听说过python多线程中存在的GIL问题，使得Python在处理计算密集型任务上效果反而不如单线程，为了更好的理解这一点，我们从CPU密集型任务和IO密集型任务入手，深入讨论一下python多线程及其相关知识。
通常来说，我们把任务分为计算密集型（CPU）和IO密集型两种，从名字上可以判断出，计算密集型任务需要花费较大的CPU资源，比如进行大量的复杂数学计算，而python在处理这样的任务时往往会力不从心，因为任务越多，花在任务切换的时间就越多，CPU执行任务的效率就越低。 而IO密集型任务则不一样，因为很少涉及到CPU计算，典型的是web应用，读写文件之类的任务。由于速度远远不如CPU和内存的处理速度，这类任务的大部分时间损耗都是在等待IO相关任务的完成，因此使用开发效率高的脚本语言相对更适合。
Python中比较常见的并发方式主要有两种：多线程和多进程。由于GIL的存在，python在处理多线程时往往只能交替执行的现象，所以说python不能有效的利用多核CPU，无法有效的处理CPU密集型任务。 而在处理IO密集型任务等待IO过程中会释放GIL， 最终会导致线程在等待IO过程中会被暂停去执行其他的线程，优化了阻塞等待IO的时间，优化了任务执行。
因为多线程GIL的存在，python在处理CPU密集型任务的时候往往会使用多进程，理由也很简单，每个进程GIL不同，因此不会出现多线程获取和释放GIL的尴尬。
更新2020/2/9
JS的线程还没有复习过，这个倒是提醒我了，下一篇文章写一下JS的event loop
相对于Python来说，还是要容易些
