多线程在I/O密集型任务中表现得比较出色。在这种情况下，线程可以在等待I/O操作完成的过程中，切换到其他线程执行，从而充分利用CPU的时间，提高程序的整体效率。典型的I/O操作包括文件读写、网络请求、数据库访问等。由于在等待外部资源时，线程可以进行并发执行，所以多线程在这些场景中通常能带来明显的性能提升。
然而，对于CPU密集型任务，多线程的优势就不太明显了，甚至可能会导致性能下降。Python的全局解释器锁(GIL)限制了同一时间只能有一个线程执行Python字节码，这意味着多线程在同一时间内无法利用多核处理器的能力，无法实现真正的并行执行。因此，在CPU密集型任务中，多线程可能会由于线程切换的开销以及GIL的限制而导致效率不高。
总而言之，多线程在Python中在I/O密集型任务中通常能够提高效率，但在CPU密集型任务中可能效果有限。如果要充分利用多核处理器并实现真正的并行，更适合使用多进程。在选择多线程还是多进程时，需要根据任务的性质和要求来权衡。
如何理解 CPU密集型 和 I/O密集型？
说在前面，CPU密集型与I/O密集型是在计算机上执行任务的两种策略，在并发执行任务场景下，我们需要选择使用多线程或多进程；
如果是IO密集型任务，使用多线程，如果是CPU密集型任务，使用多进程。
前者指内存磁盘I/O使用率高，CPU使用率低；相反，后者指CPU使用率高，内存磁盘I/O使用率低。
CPU密集型
CPU密集型，也叫计算密集型，一般是指服务器的硬盘、内存硬件性能相对CPU好很多，或者使用率低很多。系统运行CPU读写I/O(硬盘/内存)时可以在很短的时间内完成，几乎没有阻塞（等待I/O的实时间）时间，而CPU一直有大量运算要处理，因此CPU负载长期过高。
CPU密集几乎无I/O阻塞，CPU一直会全速运行。如果是单核情况下，开多线程是没有意义的，说白了就是一个CPU来回切着运行而已，徒增线程切换的资源消耗，卵用没有。可见，CPU密集任务只有在多核CPU上、开多线程才可能提速。
CPU使用率较高时（如我们训练算法模型、搞训练集），通常线程数只需要设置为CPU核心数的线程个数就可以了。单CPU对应单线程效率最高。
一般其计算公式可遵循：CPU密集型核心线程数 = CPU核数。
I/O密集型
I/O密集型相反，一般是指服务器CPU的性能相对硬盘、内存硬件好很多，或者使用率低很多。系统运行多是CPU在等I/O (硬盘/内存) 的读写操作，此类情景下CPU负载并不高。
I/O密集型的程序一般在达到性能极限时，CPU占用率仍然较低。这可能是因为任务本身需要大量I/O操作，而程序的逻辑做得并不好，没有充分利用CPU能力，导致线程空余时间很多。通常我们会开CPU核心数数倍的线程，在线程进行 I/O 操作 CPU 空闲时，启用其他线程继续使用 CPU，以提高 CPU 的使用率，充分利用CPU资源。
一般其计算公式可遵循：I/O密集型核心线程数 = CPU核数 / （1-阻塞系数）。
阻塞系数在在0到1范围内。一般为0.8~0.9之间，也可以取0.8或者0.9。对于双核CPU来说，它比较理想的线程数就是20，当然这都不是绝对的，需要根据实际情况以及实际业务来调整。
小结
- I/O密集型：当线程等待时间所占比例越高，需要越多线程，启用其他线程继续使用CPU，以此提高CPU的利用率；
- CPU密集型：当线程CPU时间所占比例越高，需要越少的线程。任务越多，花在进程、线程切换的时间就越多，通常线程数和CPU核数一致即可，这一类型在开发中主要出现在一些计算业务频繁的逻辑中。
I/O密集型任务的特点是CPU消耗很少，任务的大部分时间都在等待I/O操作完成（磁盘I/O远低于内存、CPU速度）。涉及到网络、磁盘I/O的任务多是I/O密集型任务。I/O密集型任务，线程数越多，CPU效率越高，但也有相对限度。