Python解释器
一般使用的Python解释器CPython：是用C语言实现Pyhon，是目前应用最广泛的解释器。最新的语言特性都是在这个上面先实现，基本包含了所有第三方库支持，但是CPython有几个缺陷，一是全局锁使Python在多线程效能上表现不佳，二是CPython无法支持JIT（Just-in-time compliation即时编译），导致其执行速度不及Java和Javascipt等语言。于是出现了Pypy。
Pypy：是用Python自身实现的解释器。针对CPython的缺点进行了各方面的改良，性能得到很大的提升。最重要的一点就是Pypy集成了JIT。但是，Pypy无法支持官方的C/Python API，导致无法使用例如Numpy，Scipy等重要的第三方库。（还有JPython，IronPython等）
全局解释器锁
全局解释器锁（Global Interpreter Lock）是Python用于同步线程的工具，使得任何时刻仅有一个线程在执行。
Python GIL被动释放机制（抢占机制）
如果一个线程不间断地在 Python 2 中运行100次解释器的计步（ticks）（可以通过sys.setcheckinterval()设置计步长度），或者不间断地在 Python 3 运行15 毫秒，那么它便会放弃 GIL，而其他线程可以运行。
全局解释器锁带来的问题
多线程Python程序无法充分利用多个CPU核心带来的优势。
（主要影响CPU密集型程序，I/O密集型程序使用多线程一般是明智的选择）
解决方法
1，使用多进程
原理：每个进程分配不同的解释器，有单独的GIL。
缺点：额外产生数据序列化与通信的开销。
注意点：待执行操作需包含在以def语句定义的Python函数中（即，在这里lambda，闭包，可调用实例都是不可以的），而且函数参数和返回值必须兼容pickle编码。
使用方法：廖雪峰Python教程-多进程部分
2，使用C语言扩展模块
原理：C语言扩展程序的执行保持与Python解释器隔离，在C代码中释放GIL。
缺点：调用C函数时GIL会被锁定，若阻塞，解释器无法释放GIL。
注意点：确保C代码可以独立于Python执行。（不使用Python的数据结构，也不调用Python的C语言API）
使用方法：在C代码中插入特殊的宏或是使用其他工具来访问C代码，如ctypes库或者Cython。（ctypes默认会在调用C代码时自动释放GIL）
3，选用其他没有GIL的解释器代替CPython
原理：使用没有GIL的解释器实现。
缺点：不完全兼容。
使用方法：目前Jython和IronPython没有GIL。
