Как работают потоки в Python

Что проверяют

Понимаете ли вы роль GIL и знаете ли, где потоки всё-таки полезны.

Как отвечать

threading создаёт настоящие потоки операционной системы, они делят память процесса. Но интерпретатор CPython защищён глобальной блокировкой (GIL): байт-код одновременно выполняет только один поток.

Отсюда главное следствие: потоки не ускоряют вычисления. Два потока, считающие числа, работают не быстрее одного, а иногда медленнее из-за переключений.

Где потоки полезны: там, где программа ждёт. GIL отпускается на время операций ввода-вывода (сеть, диск), при вызове time.sleep и внутри многих C-расширений, включая NumPy. Поэтому сто потоков, качающих страницы, работают заметно быстрее последовательного кода.

Что важно знать помимо этого:

• гонки никуда не деваются: GIL защищает внутренние структуры интерпретатора, а не вашу логику. counter += 1 из двух потоков теряет инкременты, потому что это три операции;
• инструменты: threading.Lock, RLock, Event, Condition, Semaphore, а лучше queue.Queue, которая потокобезопасна и снимает необходимость в ручных блокировках;
• пул: ThreadPoolExecutor вместо ручного создания потоков;
• демоны: поток-демон не мешает процессу завершиться, обычный держит его до конца.

Альтернативы: asyncio для тысяч одновременных ожиданий (дешевле потоков), multiprocessing для вычислений. В Python 3.13 появилась экспериментальная сборка без GIL, но пока с потерей однопоточной скорости.

Где спотыкаются

Берут потоки для ускорения расчётов.

Считают, что GIL избавляет от гонок.

Не знают, что GIL отпускается на вводе-выводе, и объявляют потоки бесполезными.

Создают поток на каждую задачу вместо пула.