Что хотят услышать интервьюеры:

Для I/O-bound задач обычно используются threading, concurrent.futures.ThreadPoolExecutor, иногда queue для организации обмена задачами и результатами. Для CPU-bound задач в Python чаще выбирают multiprocessing или ProcessPoolExecutor, потому что потоки упираются в GIL. Важнее всего показать, что выбор инструмента зависит от типа нагрузки и требований к синхронизации.

Определение:

В Python многопоточность — это способ выполнять несколько операций параллельно на уровне потоков внутри одного процесса. На практике для этого используют стандартную библиотеку: threading для ручного управления потоками, concurrent.futures для более удобного пула исполнителей, queue для безопасной передачи данных между потоками. Если задача CPU-bound, вместо потоков часто применяют процессы через multiprocessing, так как потоки не дают полного параллелизма из-за GIL.

Пример использования:

Например, если нужно одновременно скачать несколько файлов или сделать много запросов к API, удобно запустить пул потоков.

from concurrent.futures import ThreadPoolExecutor, as_completed
import requests

urls = [
    "https://example.com",
    "https://example.org",
    "https://example.net",
]

def fetch(url):
    response = requests.get(url, timeout=5)
    return url, response.status_code

with ThreadPoolExecutor(max_workers=5) as executor:
    futures = [executor.submit(fetch, url) for url in urls]
    for future in as_completed(futures):
        url, status = future.result()
        print(url, status)

Пояснение кода:

Сначала создаётся ThreadPoolExecutor с ограничением числа рабочих потоков. Затем каждой ссылке назначается отдельная задача через submit. as_completed позволяет обрабатывать результаты по мере завершения запросов, а не ждать самый медленный из них. Такой подход подходит для сетевых операций, где основное время уходит на ожидание ответа.

Ключевые моменты:

Для I/O-bound задач обычно выбирают threading или ThreadPoolExecutor.
Для CPU-bound задач чаще нужен multiprocessing или ProcessPoolExecutor.
queue.Queue полезна для безопасного обмена данными между потоками.
Потоки в Python не дают настоящего параллелизма для вычислений из-за GIL.
Для простых сценариев удобнее concurrent.futures, чем ручное управление потоками.
Важно контролировать синхронизацию и не допускать race condition.

Какие инструменты или библиотеки ты используешь для реализации многопоточности в своих проектах?