Python 的 GIL 是什么，它如何影响并发
CPython 解释器中存在一个全局解释器锁（GIL），它确保同一时刻只有一个线程执行 Python 字节码。这意味着多线程在 CPU 密集型任务中无法真正并行，只能交替执行；但对 I/O 密集型任务影响较小，因为线程在等待 I/O 时会主动释放 GIL。
关键点：
- GIL 是 CPython 特有，PyPy、Jython 等实现没有 GIL
- 不能靠多线程提升 CPU 密集型程序性能，应优先考虑 多进程（multiprocessing） 或 异步（asyncio）
- 可通过 ctypes 调用 C 扩展绕过 GIL，但需手动管理线程安全
threading、multiprocessing 和 asyncio 怎么选
三者适用场景差异明显，选错会导致性能下降或逻辑错误：
-
threading：适合 I/O 密集型且需共享内存的场景，如多个 HTTP 请求 + 共享缓存字典；注意用
Lock或RLock保护临界区 -
multiprocessing：适合 CPU 密集型任务，或需彻底隔离状态的场景；进程间通信靠
Queue、Pipe或Manager，开销比线程大 -
asyncio：适合高并发 I/O（如 Web 服务、爬虫、实时消息），单线程内协程协作式调度；必须所有 I/O 操作都用 async/await 版本（如
aiohttp而非requests）
asyncio 中 event loop 是怎么工作的
event loop 是 asyncio 的核心调度器，负责注册、等待和执行协程、回调、Future 等对象。它本质是一个运行在单线程中的无限循环，不断检查哪些 I/O 事件就绪（如 socket 可读/可写），然后调用对应回调或恢复挂起的协程。
Claw Code Suite (Python-Only Edition)
下载
仅使用 Python 将 Claw Code 虚拟化框架与 OpenClaw 集成，提供 184 种工具和 200 多条命令，用于安全分析和代码质量...
立即学习“Python免费学习笔记（深入）”；
常见误区：
-
asyncio.run()每次调用都会新建一个 event loop，不能在已有 loop 中重复调用 - 阻塞操作（如
time.sleep()、普通数据库驱动）会让整个 loop 卡住，必须用asyncio.sleep()或loop.run_in_executor()托管到线程池 - 协程函数本身不执行，只有被
await或提交给 loop 后才启动
面试常问的并发陷阱与调试技巧
面试官常通过具体问题考察对并发本质的理解，而非 API 记忆：
-
竞态条件示例：两个线程同时执行
counter += 1（非原子），结果可能少于预期；修复方式不是加锁万能，而是优先考虑无状态设计或使用queue.Queue做任务分发 -
死锁排查：用
threading.set_trace()或faulthandler捕获线程堆栈；避免嵌套锁，按固定顺序获取多个锁 -
asyncio 误用：在协程里直接调用同步函数、忘记
await、在非主线程启动 loop —— 这些都会导致静默失败或 RuntimeError -
性能定位：用
concurrent.futures.ProcessPoolExecutor替换 threading 测试是否为 CPU 瓶颈；用aiomonitor或trio的调试模式观察协程生命周期
