GIL导致CPU密集型任务无法并行，应使用multiprocessing、NumPy等绕过GIL；共享变量需加锁或用线程安全结构；asyncio中禁用阻塞调用，须用异步替代或run_in_executor；协程必须正确await；资源须用with或finally清理。
全局解释器锁（GIL）导致 CPU 密集型任务无法真正并行
CPython 解释器的 GIL 保证同一时刻只有一个线程执行 Python 字节码，这对 I/O 密集型任务影响不大，但会让多线程在 CPU 密集型场景下几乎不提速，甚至因线程切换开销而变慢。
解决方法：
Secure Python Code Sandbox
下载
安全 Python 代码沙箱：在隔离的沙箱中执行任意 Python 代码，预装 requests、NumPy、pandas 库。返回 stdout、stderr。
立即学习“Python免费学习笔记（深入）”；
- 用 multiprocessing 替代 threading：每个进程有独立 GIL 和内存空间，适合计算密集型任务
- 对可并行的数值计算，优先使用 NumPy、Numba 或 Cython，它们底层绕过 GIL
- 混合场景（如部分计算 + 部分 I/O）可考虑 concurrent.futures.ProcessPoolExecutor + ThreadPoolExecutor 组合使用
共享状态未加锁引发竞态条件
多个线程同时读写同一变量（如字典、列表、计数器），不加同步机制会导致数据错乱。例如，counter += 1 实际包含读取、计算、写入三步，非原子操作。
解决方法：
立即学习“Python免费学习笔记（深入）”；
- 对简单变量用 threading.Lock 或 threading.RLock 显式加锁
- 优先使用线程安全的数据结构：如 queue.Queue（内置锁）、threading.local()（为每个线程提供独立副本）
- 避免跨线程直接共享可变对象；改用消息传递（如通过 Queue 传递不可变数据）
异步代码中混用阻塞调用导致事件循环卡死
在 asyncio 环境中，调用 time.sleep()、requests.get()、open() 等同步阻塞函数会挂起整个事件循环，使其他协程无法运行。
解决方法：
立即学习“Python免费学习笔记（深入）”；
- 用 asyncio.sleep() 替代
time.sleep() - 网络请求改用 aiohttp、httpx.AsyncClient 等异步库
- 必须调用同步函数时，用 loop.run_in_executor() 将其提交到线程池/进程池执行，不阻塞主循环
忘记 await 或错误地 await 非协程对象
常见错误包括：调用协程函数但没加 await（返回协程对象而非结果）、对普通函数或 None 使用 await（抛出 TypeError）、在非 async 函数里直接 await。
解决方法：
立即学习“Python免费学习笔记（深入）”；
- 明确区分协程函数（
async def定义）与普通函数；调用协程函数必须await - 用 asyncio.create_task() 或 asyncio.gather() 并发调度多个协程，而非逐个 await（避免串行等待）
- 启用类型检查工具（如 mypy +
asyncio插件）或 IDE 提示，提前发现 await 使用错误
资源未正确清理：线程/进程/连接泄漏
忘记关闭线程池、数据库连接、HTTP 会话或异步客户端，可能导致句柄耗尽、内存持续增长或服务端拒绝连接。
解决方法：
立即学习“Python免费学习笔记（深入）”；
- 用 with 语句管理上下文资源：如
with ThreadPoolExecutor() as pool:、async with aiohttp.ClientSession() as session: - 在
try/finally或async with中确保 close()、shutdown()、cancel() 被调用 - 对长期运行的服务，定期检查活跃线程/任务数量（
threading.enumerate()、asyncio.all_tasks()），及时排查泄漏点
