我建议两种范式转变：
您可能想了解一下软件事务内存（STM）的概念。其思想是使用乐观并发：运行在并行状态下的任何操作都会尝试在隔离的事务中完成其工作；如果另一个事务在某个时刻已提交，且无效ates此事务正在处理的数据，则该事务的工作将被放弃，并重新运行该事务。
我认为第一个广为人知的实现（如果不算概念验证和第一个实现），是Haskell中的一个实现：有关Haskell中事务内存的论文和演示文稿。许多其他实现都列在Wikipedia的STM文章中。
另一种处理并发的非常不同的方式是在[E编程语言] (http://en.wikipedia.org/wiki/E_(programming_language%29))中实现的。
请注意，它处理并发的方式以及语言设计的其他部分，都严重依赖于Actor模型。
map/imap或生成器/列表推导式，将你的代码转换为使用processing是很简单的：def do_something(x):
return x**(x*x)
results = [do_something(n) for n in range(10000)]
可以与并行处理一起使用
import processing
pool = processing.Pool(processing.cpuCount())
results = pool.map(do_something, range(10000))
这个程序会使用所有可用的处理器来计算结果。还有一些懒惰的（Pool.imap）和异步的变体（Pool.map_async）。
有一个队列类，它实现了Queue.Queue，以及类似于线程的工作进程。
processing基于fork()，在Windows上必须模拟。对象通过pickle/unpickle传输，因此您必须确保其正常工作。已经获取资源的进程进行分叉可能不是您想要的（考虑数据库连接），但总体上它可以正常工作。它的表现非常出色，以至于它已经被添加到Python 2.6的快速通道中（参见PEP-317）。
multiprocessing模块。 - Constantin我认为Intel的Threading Building Blocks对于C++来说非常有趣。相比于原始线程，它提供了更高层次的抽象。如果你喜欢纸质文档，O'Reilly出版社有一本非常好的书籍。另外，也可以查看Any experiences with Intel’s Threading Building Blocks?。