В Python потоки (threads) имеют несколько ключевых ограничений из-за Global Interpreter Lock (GIL): - **GIL ограничивает параллельное выполнение Python-кода** – только один поток может исполнять байткод Python в один момент времени. Это делает потоки неэффективными для CPU-задач. - **Не подходят для CPU-bound задач** – если задача требует интенсивных вычислений, потоки не ускорят её выполнение. Лучше использовать процессы (`multiprocessing`). - **Проблемы с shared state** – общая память между потоками требует синхронизации (например, через `Lock`), иначе возможны race conditions. - **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 ```