在阿里函数计算（Function Compute，简称FC）中创建的Python函数，确实支持多线程和协程，但它们的适用性和性能表现可能受到一些限制和考虑因素的影响。
多线程
支持情况：
Python在函数计算中可以使用多线程，但需要注意的是，由于Python的全局解释器锁（GIL）的存在，多线程在CPU密集型任务上的并发性能会受到限制。GIL确保在任何时刻只有一个线程可以执行Python字节码，这意味着即使你有多个线程，它们也只能在GIL的控制下交替执行。
限制和考虑：
对于IO密集型任务（如网络请求、文件读写等），多线程仍然可以提供性能提升，因为IO操作通常涉及等待时间，而等待期间GIL可以被释放，允许其他线程执行。
在函数计算中，如果函数执行时间较短且主要进行IO操作，使用多线程可能是一个合理的选择。然而，如果函数执行时间较长且主要进行CPU计算，那么多线程可能不是最佳选择。
协程
支持情况：
Python中的协程提供了一种比线程更轻量级的并发形式。它们允许单个线程在多个任务之间切换，而无需进行上下文切换的开销。在函数计算中，协程可以用于提高IO密集型任务的并发性能。
优势：
协程避免了GIL的限制，因为它们是在单个线程内运行的。这意味着你可以同时执行多个IO操作而不会相互阻塞。
使用协程可以减少内存消耗和上下文切换的开销，从而提高性能。
实现方式：
Python的asyncio库提供了对协程的支持。你可以使用asyncio来编写异步函数，并使用await关键字来挂起和恢复函数的执行。
在函数计算中，你可以将异步函数与事件循环结合使用，以并发地执行多个IO操作。
总结
在阿里函数计算中创建的Python函数，既支持多线程也支持协程。然而，选择哪种并发模型取决于你的具体需求和任务的性质。对于CPU密集型任务，可能需要考虑使用多进程或其他语言来实现更好的并发性能；对于IO密集型任务，则可以使用多线程或协程来提高性能。同时，还需要注意函数计算的执行时间限制和资源限制，以确保你的并发策略不会超出这些限制。