Какие знаешь ограничения у threads

В Python потоки (threads) имеют несколько ключевых ограничений из-за Global Interpreter Lock (GIL):

1. GIL ограничивает параллельное выполнение Python-кода – только один поток может исполнять байткод Python в один момент времени. Это делает потоки неэффективными для CPU-задач.

2. Не подходят для CPU-bound задач – если задача требует интенсивных вычислений, потоки не ускорят её выполнение. Лучше использовать процессы (multiprocessing).

3. Проблемы с shared state – общая память между потоками требует синхронизации (например, через Lock), иначе возможны race conditions.

4. Не всегда завершаются корректно – при завершении главного потока дочерние могут оборваться без завершения работы.

Пример:

import threading

counter = 0

def increment():
    global counter
    for _ in range(100000):
        counter += 1  # Race condition без Lock!

threads = [threading.Thread(target=increment) for _ in range(10)]
for t in threads:
    t.start()
for t in threads:
    t.join()

print(counter)  # Результат будет меньше 1_000_000 из-за гонки данных