在 Python 编程中，你会采用哪些途径或模块来编写多线程代码？请说明它们各自的主要使用方式和特点。
考察说明
考查对 Python 多线程实现方式及其特性的掌握程度。
回答思路
- 【回答框架 1】Python 中实现多线程主要基于 threading 模块，它封装了底层线程操作。核心用法是通过创建 Thread 类实例并传入 target 函数，或继承 Thread 类并重写 run 方法，然后调用 start 方法启动线程。需要注意线程间共享数据时要使用锁等同步机制避免竞态条件。
- 【回答框架 2】对比队列 Queue 模块可作为线程间通信的常用方式，配合线程池可简化任务分发。concurrent.futures 模块中的 ThreadPoolExecutor 提供了更高层的线程池接口，通过 submit 或 map 方法提交任务，返回 Future 对象，易于管理线程数量和获取结果。
- 【回答框架 3】由于全局解释器锁 GIL 的存在，Python 多线程对 CPU 密集型任务的并行能力有限，更适合 I/O 密集型任务，如网络请求、文件读写等，此时线程等待期间会释放 GIL，从而提升整体吞吐量。
- 【回答框架 4】对于 CPU 密集型计算，可考虑使用 multiprocessing 模块绕过 GIL，但这是多进程方案，并非多线程。在实际编程中，应根据任务类型选择合适的技术，并在必要时结合 asyncio 等异步方案优化 I/O 性能。
- 【关键点 1】threading 模块是 Python 多线程的基础实现。
- 【关键点 2】使用线程锁（如 Lock）来保护共享数据，防止竞态条件。
- 【关键点 3】concurrent.futures.ThreadPoolExecutor 提供便捷的线程池管理。
- 【关键点 4】多线程主要适用于 I/O 密集型任务，受 GIL 影响在 CPU 密集型场景下表现有限。
- 【易错点 1】误以为多线程能加速所有任务，实际在 CPU 密集型场景中可能因 GIL 和上下文切换反而更慢。
- 【易错点 2】多线程编程时易忽略线程安全问题，导致数据竞争或死锁。
- 【易错点 3】滥用线程创建资源开销大，应优先考虑线程池复用线程。