出现这个情况的原因是在python解释器中GIL全局解释器锁。
GIL:全局解释器锁，每个线程在执行的过程都需要先获取GIL，保证同一时刻只有一个线程而已执行代码
线程释放GIL锁的情况：在IO操作等呃能会引起阻塞的system call之前，可以暂时释放GIL
但在执行完毕后，必须重新获取GIL， Python3中使用计时器（执行时间打到阀值后，当前线程释放GIL）
python使用多线程是并发 可以使用多线程利用多核的CPU资源
cpu密集型：也成为计算密集型，任务的特点是要进行大量的计算，消耗cpu资源，比如计算圆周率、对视频进行高清解码等等
全靠cpu的运算能力 这个时候单线程快
io密集型：涉及到网络、磁盘IO的任务都是IO密集型任务，这类任务的特点是CPU消耗很少，任务的大部分时间都在等待IO操作完成，因为 IO的速度远远低于CPU和内存的速度 这个时候多线程快。
那么如何解决多线程共享全局变量数据错误的问题呢，引入锁。
import threading a = 100 def func1(): global a for i in range(1000000): meta.acquire() # 上锁 a += 1 meta.release() # 释放锁 print(a) def func2(): global a for i in range(1000000): meta.acquire() a += 1 meta.release() print(a) # 创建锁 meta = threading.Lock() t1 = threading.Thread(target=func1) t2 = threading.Thread(target=func2) t1.start() t2.start() t1.join() t2.join() print(a)