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.