由于GIL（Global Interpreter Lock）的存在使得在同一时刻Python进程只能使用CPU的一个核心，也就是对应操作系统的一个
内核线程，对于一个Python web程序，如果有个请求，并且都是长耗时的计算任务（占用），这个程序在接受第一个请求后
还能处理别的请求么？假如web程序接受到请求就while True了：
def handle_request(request): while True: pass
从代码上理解，Python只有一个真正的执行线程，代码走到while True就占用唯一的一个cpu核心了，它还有机会处理
别的任务么？
来启动两个线程都进行while True ，观察他们是否都能执行来模拟那两个请求：
import time, threading
def f1(name):
while True:
print(name)
time.sleep(1)
threading.Thread(target=f1, args=('f1', )).start()
threading.Thread(target=f1, args=('f2', )).start()
输出结果：
f1
f2
f2f1f2
f1
...
实际上使用Django(一个Python Web 框架)测试，即使一个请求执行了while True这样的代码，它还是可以处理别的请求（支持并发）；
来解释一下为什么两个while True 都能执行：
还是用GIL这把锁，第一个while True的线程拿到这把锁才能执行，然后它执行了一个print(name)接着把锁释放了，
它就暂停了，接着第二个while True线程拿到GIL后开始执行，围绕GIL交替执行，就实现了Python的多线程。
总结一下：
while True也不能一直持有CPU资源，它也是执行一会歇一会，这就给了其他进程机会，这里面有两个关键点：
- 如何抢到这把锁
- 如何释放锁
抢锁，排队。给lock安排一个队列，想执行的进这个队列。
释放锁的有点类似进程调度：
- 划分时间片（执行一样的时间）
- 执行指令计数（执行一样的指令次数）
- 碰到IO操作（被动等待）
- 主动等待（wait/join/sleep）
碰到IO操作，需要等待IO设备完成计算才能继续执行线程，这段时间内不占用CPU资源，先把锁释放了。
主动等待，典型的就是sleep，主动放弃锁，等到一定时机再重新执行。
以上分析 说明Python支持并发，但是由于无法利用多核处理器优势，对于大量并发下的计算密集型应用
不适合使用Python。