Python解释器
一、定义
Python解释器 ：就是专门用来翻译并执行Python代码 的程序，把你写的.py源代码，逐行翻译成电脑能看懂的机器语言，再运行。
二、工作流程
- 写代码：
print("hello")人类能看懂 - 解释器逐行读取代码
- 翻译成字节码
- 交给操作系统/CPU执行
- 输出结果
三、和编译器最大区别
- 解释器（Python） ：边翻译边执行，逐行跑，不用整体编译
- 编译器（C/C++） ：全部翻译完再一次性运行，先生成exe程序
四、最主流3种Python解释器
- CPython（默认自带）
- C语言写的，官方原版
- 自带GIL全局解释器锁，日常99%人都用它
- PyPy
- 速度极快，JIT即时编译
- 适合CPU密集计算，速度碾压CPython
- Jython / IronPython
- 对接Java、C#生态，几乎很少用
五、你平时怎么用解释器
- 终端输入
python test.py
→ 调用CPython解释器运行脚本 - IDE（PyCharm、VSCode）运行代码
→ 底层还是调用本地Python解释器
六、通俗比喻
- 你写的Python代码 = 外文演讲稿
- Python解释器 = 同声翻译
- 电脑 = 听不懂外语的听众
翻译一句，听众听一句，这就是解释执行。
七、面试极简背诵
Python解释器是执行Python代码的核心程序，负责将源代码逐行解析执行；
默认使用CPython ，由C语言开发，存在GIL锁 ；
它属于解释型执行，边解析边运行，无需提前编译。
多线程程序
一、基础概念
- 进程：操作系统独立资源单位，一个运行起来的软件就是一个进程（如微信、浏览器），独占内存、CPU资源。
- 线程 ：进程里最小执行单元，一个进程里可以分出多个线程，共享进程资源。
- 多线程程序 ：一个程序内部，同时开启多条执行线路，一起干活。
二、形象比喻
- 进程 = 一间工厂
- 线程 = 工厂里的工人
- 单线程：只有1个工人干活，干完一件再干一件
- 多线程：同时叫来多个工人一起分工干活，提升效率
三、核心特点
- 资源共享
同一进程下所有线程共享全局变量、内存、文件资源，通信简单。 - 切换快、开销小
创建线程比创建进程轻量很多，占用资源极少。 - CPython受GIL限制
同一时刻只有一个线程真正执行代码 ，只能并发 ，不能多核并行。 - 存在线程安全问题
多线程同时修改同一个共享数据，容易出现数据错乱，需要手动加锁。
四、适用场景
适合用多线程
IO密集型任务
- 网络请求、接口爬取
- 文件读写、数据库等待
- 休眠、阻塞等待
线程阻塞会释放GIL，其他线程立刻运行，效率大幅提升。
不适合多线程
CPU密集型计算
大量循环、数值运算、数据分析
GIL一直占用，无法利用多核，多线程反而变慢，改用多进程。
五、单线程 vs 多线程
- 单线程：顺序执行，串行运行，简单安全，速度慢
- 多线程：交替并发执行，阻塞时自动切换，IO场景提速明显
六、简单代码示例
python
import threading
import time
def work(name):
for i in range(3):
print(f"线程{name}执行{i}")
time.sleep(1)
if __name__ == "__main__":
t1 = threading.Thread(target=work, args=("A",))
t2 = threading.Thread(target=work, args=("B",))
t1.start()
t2.start()两条线程同时交替运行，不是顺序跑完A再跑B。
七、线程常见问题
- 线程死锁：互相等待对方锁，程序卡住不动
- 数据争抢：多线程改同一变量结果出错
- 主线程提前退出：子线程还没跑完程序结束
- 守护线程：主线程退出，守护线程直接跟着结束
八、面试一句话总结
多线程就是在同一个进程内开启多个执行分支，共享进程资源，轻量高效；
受Python GIL限制无法多核并行，适合IO阻塞类任务，操作共享数据必须加锁保证安全。
极简口诀
多线程同屋干活，共享资源易乱；
IO阻塞随便用，计算任务别乱用。