python：3.8.10官方文档学习

1：基于线程的并行

在 CPython 中，由于存在 全局解释器锁，同一时刻只有一个线程可以执行 Python 代码（虽然某些性能导向的库可能会去除此限制）。
如果你想让你的应用更好地利用多核心计算机的计算资源，推荐你使用 multiprocessing 或 concurrent.futures.ProcessPoolExecutor
 但是，如果你想要同时运行多个 I/O 密集型任务，则多线程仍然是一个合适的模型

多进程并发适合：I/O 密集型任务

1：threading.active_count()　　　　　　返回当前存活的 Thread 对象的数量。 返回值与 enumerate() 所返回的列表长度一致
2：threading.current_thread()　　　　 返回当前对应调用者的控制线程的 Thread 对象。如果调用者的控制线程不是利用 threading 创建，会返回一个功能受限的虚拟线程对象。
3：threading.excepthook(args, /)　　 处理由 Thread.run() 引发的未捕获异常。
4:threading.get_ident()　　　　　　　　返回当前线程的 “线程标识符”。它是一个非零的整数,它的值没有直接含义，主要是用作 magic cookie，
　　　　　　　　　　　　　　　　　　　　　　　　比如作为含有线程相关数据的字典的索引。线程标识符可能会在线程退出，新线程创建时被复用
5:threading.get_native_id()　　　　　返回内核分配给当前线程的原生集成线程 ID,这是一个非负整数。 
　　　　　　　　　　　　　　　　　　　　　　　　它的值可被用来在整个系统中唯一地标识这个特定线程（直到线程终结，在那之后该值可能会被 OS 回收再利用）。
6:threading.enumerate()　　　　　　　　以列表形式返回当前所有存活的 Thread 对象。 该列表包含守护线程，
　　　　　　　　　　　　　　　　　　　　　　　　current_thread()当前运行的线程创建的虚拟线程对象和主线程。它不包含已终结的线程和尚未开始的线程
7：threading.main_thread()　　　　　　返回主 Thread 对象。一般情况下，主线程是Python解释器开始时创建的线程（返回主线程）
8：threading.settrace(func)　　　　   为所有 threading 模块开始的线程设置追踪函数。在每个线程的 run() 方法被调用前，func 会被传递给 sys.settrace()  性能测试使用使用
9:threading.setprofile(func)　　　　  为所有 threading 模块开始的线程设置性能测试函数。在每个线程的 run() 方法被调用前，func 会被传递给 sys.setprofile()　　 
10：threading.stack_size([size])　　　返回创建线程时使用的堆栈大小。可选参数 size 指定之后新建的线程的堆栈大小，
　　　　　　　　　　　　　　　　　　　　　　　　而且一定要是0（根据平台或者默认配置）或者最小是32,768(32KiB)的一个正整数。如果 size 没有指定，默认是0。
　　　　　　　　　　　　　　　　　　　　　　　　如果不支持改变线程堆栈大小，会抛出 RuntimeError 错误。如果指定的堆栈大小不合法，会抛出 ValueError 错误并且不会修改堆栈大小。
　　　　　　　　　　　　　　　　　　　　　　　　32KiB是当前最小的能保证解释器有足够堆栈空间的堆栈大小。需要注意的是部分平台对于堆栈大小会有特定的限制，
　　　　　　　　　　　　　　　　　　　　　　　　例如要求大于32KiB的堆栈大小或者需要根据系统内存页面的整数倍进行分配 
　　　　　　　　　　　　　　　　　　　　　　　　 应当查阅平台文档有关详细信息（4KiB页面比较普遍，在没有更具体信息的情况下，建议的方法是使用4096的倍数作为堆栈大小）
11：threading.TIMEOUT_MAX　　　　　　　　阻塞函数（ Lock.acquire(), RLock.acquire(), Condition.wait(), ...）中形参timeout 允许的最大值。
　　　　　　　　　　　　　　　　　　　　　　　　传入超过这个值的 timeout 会抛出 OverflowError 异常
　　　　　　　　　　　　　　　　　　　　　　　　print(threading.TIMEOUT_MAX)　　　　4294967.0
　　　　　　　　　　　　　　　　　　　　　　　　最多只允许阻塞这么长时间