Python threading模块不提升CPU密集型任务性能，因GIL限制；启动线程须调用start()而非run()；Lock需acquire/release配对或用with管理；join()应设timeout防阻塞；IO密集才适用threading。
Python 的 threading 模块不是为 CPU 密集型任务提速设计的，别指望它能让计算变快——这是 GIL（全局解释器锁）决定的硬限制。
为什么 threading.Thread 启动后不执行？
常见原因是忘了调用 start()，只写了 run()。后者是普通方法调用，直接在主线程里同步执行，根本没开新线程。
- ✅ 正确写法：
t = threading.Thread(target=func); t.start() - ❌ 错误写法：
t.run()或threading.Thread(target=func).run() - 注意：
start()只能调用一次，重复调用会抛RuntimeError: threads can only be started once
threading.Lock 一定要配对使用吗？
是的，acquire() 和 release() 必须成对出现，漏掉 release() 会导致死锁；但更安全的做法是用 with 语句自动管理。
- 推荐写法：
with lock: shared_data += 1 - 手动写法风险高：
lock.acquire(); do_something(); lock.release()—— 中间抛异常就卡死 - 注意：
Lock是不可重入的，同一线程重复acquire()会阻塞；需要可重入请用R Lock
如何等所有子线程结束再继续？
用 join()，但它不带超时默认会无限等待；生产环境必须设 timeout 防止主线程被拖住。
立即学习“Python免费学习笔记（深入）”；
- 基础用法：
for t in threads: t.join() - 带超时（推荐）：
t.join(timeout=5)，返回False表示超时未结束 - 检查是否存活：
t.is_alive()，比join()更轻量，适合轮询场景 - 注意：
join()只阻塞调用它的线程（通常是主线程），不影响其他子线程运行
真正难的不是写多线程，而是判断该不该用——IO 等待多、响应要快，才值得上 threading；纯算数循环，老老实实用 asyncio 或进程池。
