為什么python的GIL問題一直讓人詬病，python社區(qū)卻不解決？吉爾，這把大鎖，今天仍然存在。這是有道理的。首先，我們知道Python是一種解釋性語言，代碼執(zhí)行是在解釋器中執(zhí)行的。解釋性語言不能

為什么python的GIL問題一直讓人詬病，python社區(qū)卻不解決？

吉爾，這把大鎖，今天仍然存在。這是有道理的。首先，我們知道Python是一種解釋性語言，代碼執(zhí)行是在解釋器中執(zhí)行的。解釋性語言不能實(shí)現(xiàn)真正的多線程并發(fā)是一個(gè)常見的問題。這是先天的。多個(gè)線程共享主進(jìn)程資源。如果線程沒有被鎖定，線程是并發(fā)的，并且多個(gè)線程修改共享數(shù)據(jù)，就會(huì)導(dǎo)致數(shù)據(jù)混淆，這是不可靠的。因?yàn)榻忉屍鞑恢涝谀睦镄薷拇a中的共享數(shù)據(jù)，所以它直接鎖定線程。解釋器一次只允許運(yùn)行一個(gè)線程。

當(dāng)然，您可能會(huì)說，我只要求解釋器鎖定要修改的共享數(shù)據(jù)，這樣多線程就可以真正并行了？事實(shí)上，一個(gè)大老板在國外做這件事已經(jīng)很久了。測試結(jié)果表明，執(zhí)行效率不如直接鎖定線程。到目前為止，python開發(fā)團(tuán)隊(duì)還沒有針對這個(gè)問題提出更好的解決方案。這是解釋性語言的通病。另外，這個(gè)問題很難解決。

雖然Gil大鎖的存在影響了多線程，不能實(shí)現(xiàn)真正的并發(fā)，但我們可以用多進(jìn)程來解決。

作為一名研究生，除了可以用python寫各種算法之外，還應(yīng)該如何提高自己的python水平？

作為一名研究生，您用Python編寫算法。我認(rèn)為你想發(fā)展大數(shù)據(jù)和人工智能。

近年來，隨著大數(shù)據(jù)和人工智能的爆炸式發(fā)展，Python變得越來越流行。如果你想提高你的Python水平，我想你可以從以下幾點(diǎn)開始

！Apache spark是一個(gè)大數(shù)據(jù)處理框架，計(jì)算速度快，使用方便，支持復(fù)雜分析，有可能取代MapReduce。

盡管Python在機(jī)器學(xué)習(xí)和人工智能方面有很好的應(yīng)用，但Python有一個(gè)很大的缺陷。它不支持分布式計(jì)算，但這并不重要。Spark提供了一個(gè)優(yōu)秀的Python接口pyspark。有了它，python在分布式計(jì)算和流計(jì)算方面有了很大的改進(jìn)。

另外，spark的核心RDD彈性分布式數(shù)據(jù)集與Python中panda的數(shù)據(jù)幀非常相似，可以很容易地相互轉(zhuǎn)換。因此spark賦予Python以分布式方式處理大型數(shù)據(jù)集的能力。

Python有許多強(qiáng)大的web后端框架，如Django、flash等。學(xué)習(xí)這一點(diǎn)可以鞏固Python的基礎(chǔ)，并使用Python的高級用法，如裝飾器、類、魔術(shù)方法、數(shù)據(jù)庫等。

您不能總是在一臺(tái)機(jī)器上使用該型號(hào)。您可以在大數(shù)據(jù)框架和網(wǎng)站中部署模型。這要求您了解后端和分布式計(jì)算。學(xué)習(xí)這兩個(gè)方面，不僅可以提高python的水平，也可以讓你在未來的大數(shù)據(jù)和人工智能領(lǐng)域發(fā)力。