Как Python реализует многопоточность?

Короткий ответ

Модуль threading предоставляет класс Thread: поток создаётся вокруг callable-объекта, запускается методом start() и ожидается через join(). Из-за GIL в каждый момент исполняется один поток, поэтому многопоточность эффективна прежде всего для задач ввода-вывода.

Как это работает подробнее

Потоками управляет операционная система, но CPython через GIL ограничивает одновременное исполнение Python-байткода одним потоком.

• Глобальная блокировка. Для CPU-bound задач потоки не дают ускорения: остальные потоки ждут освобождения GIL.
• Ожидание ввода-вывода. Пока поток ждёт ответа от сети, диска или базы данных, GIL свободен, и другие потоки выполняют код.
• Синхронизация. При изменении общих данных возникают состояния гонки, поэтому используют блокировки Lock и семафоры Semaphore.
• Безопасная передача данных. Для обмена данными между потоками удобно использовать queue.Queue.
• Настоящий параллелизм. Чтобы задействовать несколько ядер процессора, применяют multiprocessing или библиотеки вроде joblib, запускающие вычисления в отдельных процессах.

Пример кода

Потоки с синхронизацией через LockКопировать

import threading
lock = threading.Lock()
counter = 0
def worker():
    global counter
    for _ in range(1000):
        with lock:
            counter += 1
threads = [threading.Thread(target=worker) for _ in range(4)]
for t in threads:
    t.start()
for t in threads:
    t.join()
print(counter)

Что использовать на практике

• I/O-bound задачи. Используй потоки для сетевых запросов, чтения файлов и обращений к базе данных.
• Общие данные. Защищай счётчики и коллекции блокировкой или передавай данные через queue.Queue.