python中的多线程是伪多线程。多线程是在一个进程里面的，多线程不能并行进行，只能并发进行。多线程是数据共享的。
并行：一般针对进程，多个CPU同时处理多个进程。并行中没有GIL锁
并发：一般针对线程，一个CPU在多个线程之间来回切换。并发中有GIL锁
多线程处理数据流程：一个进程里面的有多个线程，python解释器里面有一把GIL锁, 到达python解释器的多线程们会和GIL锁见面，但是GIL锁每次只允许一个线程进入CPU，该线程通过GIL锁进入CPU的时候，GIL会锁上门，禁止其他线程进入，所有其他线程必须在锁外边等待进入CPU的那个线程出来以后才能进去，进去的线程会随机选择一个cpu, 固定时间后被赶出去，如果任务还没全部完成，保留资源点，回到锁外跟外面的多线程继续竞争，每次竞争都只有一个线程能进去cpu处理数据，直到所有的线程都完成任务。
from threading import Thread
num = 0
def run1():
global num
for i in range(10000):
num += 1
def run2():
global num
for i in range(10000):
num += 1
if __name__ == ‘__main__’:
t1 = Thread(target=run1)
t2 = Thread(target=run2)
t1.start()
t2.start()
t1.join()
t2.join()
print(num)
>> 20000
join()阻塞：表示必须等子线程执行完之后再取执行后面的代码
多线程的执行方式：每次只能拿一个CPU处理线程，一个CPU会在多 个线程之间进行切换，CPU的执行方式有可能是按片段执行，相当于没执行完就退出，去执行另一个线程，所以全局变量在多线程之间就会发生数据混乱。
解决方案：
加锁lock.acquire(), 解锁lock.release(), 加锁来解决数据错乱问题。加锁可以让数据全部执行完。
from threading import Thread, Lock
lock = Lock()
num = 0
def run1():
global num
for i in range(100000):
# 加锁
lock.acquire()
num += 1
# 解锁
lock.release()
def run2():
global num
for i in range(100000):
lock.acquire()# 加锁
num += 1
lock.release()# 解锁
if __name__ == ‘__main__’:
t1 = Thread(target=run1)
t2 = Thread(target=run2)
t1.start()
t2.start()
t1.join()
t2.join()
print(num)
>> 200000
多线程中局部变量不共享
线程隔离：把每一个线程id当做字典的key值，value值是请求方法,每次去取值去取线程id.
进程和线程的数据不是越多越好，创建进程和线程数量的标准，最多是电脑配置核数的两倍。