С чем в Python связана работа разных потоков\

В Python потоки работают в рамках одного процесса и используют общее пространство памяти, но из-за GIL (Global Interpreter Lock) только один поток может исполнять Python-код в любой момент времени. Это ограничивает параллелизм для CPU-задач, но потоки эффективны для I/O-операций (сеть, файлы), где есть ожидание.

Пример с потоками:

import threading
import time

def worker(num):
    print(f"Поток {num} начал работу")
    time.sleep(2)
    print(f"Поток {num} завершил работу")

threads = []
for i in range(3):
    t = threading.Thread(target=worker, args=(i,))
    threads.append(t)
    t.start()

for t in threads:
    t.join()

Ключевые моменты:

• Потоки делят память (глобальные переменные доступны всем)
• GIL ограничивает параллельное исполнение Python-кода
• Для CPU-bound задач лучше использовать multiprocessing
• Для I/O-bound задач потоки подходят хорошо
• Синхронизация через Lock, RLock, Semaphore и др.