Приходилось ли распараллеливать работу

Да, приходилось. Использовал multiprocessing в Python для CPU-bound задач и concurrent.futures для I/O-bound. Например, для обработки большого датасета:

from multiprocessing import Pool

def process_chunk(chunk):
# обработка части данных
return chunk * 2

if name == 'main':
data = range(1000)
with Pool(4) as p:
result = p.map(process_chunk, data)

Для I/O-bound задач (например, загрузка данных из API) лучше подходит `ThreadPoolExecutor`. Важно учитывать накладные расходы на создание процессов и GIL для потоков. В Spark использовал `repartition()` для балансировки нагрузки.