我不能在python中启动两个并行线程吗?每个线程都有一个forerver循环。

在Python中，确实可以启动多个并行线程，但是需要注意的是，由于全局解释器锁（GIL）的存在，Python的多线程并不能充分利用多核CPU的优势来进行并行计算。GIL是Python解释器（主要是CPython）的一个特性，它确保任何时候只有一个线程在执行Python字节码。

尽管如此，对于I/O密集型的任务（比如文件读写、网络请求等），多线程仍然是有用的，因为线程可以在等待I/O操作完成时释放GIL，让其他线程有机会执行。

下面是一个简单的例子，展示了如何在Python中创建两个并行线程，每个线程都有一个无限循环：

import threading
import time

def worker():
    while True:
        print(f'线程 {threading.current_thread().name} 正在工作')
        time.sleep(1)  # 模拟工作负载

# 创建两个线程
thread1 = threading.Thread(target=worker, name='线程1')
thread2 = threading.Thread(target=worker, name='线程2')

# 启动线程
thread1.start()
thread2.start()

# 等待线程结束（在这个例子中，线程不会结束，因为它们有无限循环）
thread1.join()
thread2.join()

如果你遇到了问题，比如线程没有按预期并行运行，可能的原因包括：

GIL的影响：如前所述，对于CPU密集型任务，GIL可能导致线程看起来像是顺序执行的。
线程同步问题：如果线程之间共享资源，可能需要同步机制（如锁）来避免竞态条件。
死锁：不正确的锁使用可能导致死锁，线程相互等待对方释放资源。
资源限制：系统可能对线程数量有限制，或者线程创建过多可能导致资源耗尽。

解决方法：

对于CPU密集型任务，可以考虑使用multiprocessing模块来创建多个进程，每个进程有自己的Python解释器和内存空间，因此不受GIL的限制。
使用线程同步原语，如threading.Lock，来保护共享资源。
监控系统资源使用情况，确保不会因为线程过多而导致系统负载过高。

如果你需要处理大量的并发任务，并且任务之间不需要共享状态，可以考虑使用concurrent.futures.ThreadPoolExecutor，它提供了一个高级接口来管理线程池：

from concurrent.futures import ThreadPoolExecutor
import time

def worker():
    while True:
        print(f'线程 {threading.current_thread().name} 正在工作')
        time.sleep(1)

with ThreadPoolExecutor(max_workers=2) as executor:
    for _ in range(2):
        executor.submit(worker)

在这个例子中，ThreadPoolExecutor会管理线程的创建和销毁，并且可以很容易地控制并发线程的数量。