Что хотят услышать интервьюеры:

Для перемещения большого количества файлов обычно важнее не многопоточность, а характер самой операции: она в основном I/O-bound, поэтому выигрыш дают параллелизм на уровне ввода-вывода и уменьшение количества системных вызовов. В Python для таких задач часто достаточно последовательной обработки, а если нужно ускорение — стоит смотреть в сторону потоков, очередей или асинхронности только там, где есть неблокирующий I/O. Для самого rename/move асинхронность обычно не дает сильного преимущества, потому что файловая система в стандартной библиотеке чаще блокирующая.

Определение:

Многопоточность — это выполнение нескольких задач в разных потоках, что полезно, когда программа часто ждет завершения операций ввода-вывода. Асинхронные операции — это модель, где задача не блокирует выполнение, а управление возвращается планировщику до завершения I/O. Для перемещения файлов это означает, что ускорение зависит не от CPU, а от диска, файловой системы и количества одновременно выполняемых операций.

Пример использования:

Если нужно разложить 50 000 файлов по папкам по расширению, можно сделать это в несколько потоков, распределив файлы по очереди задач. Но если перемещение идет внутри одного и того же диска и файловая система уже быстро справляется, многопоточность может даже ухудшить результат из-за конкуренции за диск.

from concurrent.futures import ThreadPoolExecutor
from pathlib import Path
import shutil

def move_file(file_path: Path, target_dir: Path):
    target_dir.mkdir(parents=True, exist_ok=True)
    shutil.move(str(file_path), str(target_dir / file_path.name))

source_dir = Path("/data/incoming")
target_root = Path("/data/organized")

files = [p for p in source_dir.iterdir() if p.is_file()]

with ThreadPoolExecutor(max_workers=8) as pool:
    for file_path in files:
        ext = file_path.suffix.lstrip(".") or "no_ext"
        pool.submit(move_file, file_path, target_root / ext)

Пояснение кода:

Код не требуется, но пример показывает типовой подход к ускорению I/O-задачи: файлы собираются в список, затем каждый файл передается в пул потоков. Потоки помогают перекрывать ожидание операций диска, особенно если задача включает проверку, создание папок и обработку большого количества небольших файлов. При этом количество max_workers нужно подбирать, потому что слишком большое число потоков может снизить производительность из-за нагрузки на диск и переключений контекста.

Ключевые моменты:

Для перемещения файлов это чаще I/O-bound задача, а не CPU-bound.
Многопоточность обычно полезнее, чем async, если используется стандартный блокирующий файловый API Python.
Асинхронность не дает большого выигрыша сама по себе, если файловые операции не поддерживают неблокирующий режим.
На практике узкое место часто находится в диске, файловой системе и количестве мелких файлов.
Иногда самый быстрый вариант — простая последовательная обработка без лишнего параллелизма.
Если нужна оптимизация, сначала стоит измерить время и только потом добавлять потоки или другую форму параллелизма.