以下是一个示例代码，演示如何使用Python的并行编程库concurrent.futures来并行调用REST端点，但在给定时间段内调用受限。

import requests
import concurrent.futures
import time

# 定义一个函数来调用REST端点
def call_rest_api(url):
    response = requests.get(url)
    return response.json()

# 定义一个函数来并行调用REST端点，但在给定时间段内调用受限
def parallel_call_rest_apis(urls, max_workers, time_limit):
    results = []

    # 创建一个线程池
    with concurrent.futures.ThreadPoolExecutor(max_workers=max_workers) as executor:
        # 提交每个REST端点的调用任务到线程池
        futures = [executor.submit(call_rest_api, url) for url in urls]

        # 设置一个计时器来限制总的调用时间
        start_time = time.time()

        # 等待任务完成，但在给定时间段内调用受限
        for future in concurrent.futures.as_completed(futures):
            # 检查是否超过了时间限制
            if time.time() - start_time >= time_limit:
                print("超过时间限制，停止调用")
                break

            # 获取任务的结果并添加到结果列表中
            result = future.result()
            results.append(result)

    return results

# 示例用法
urls = ["https://api.example.com/endpoint1", "https://api.example.com/endpoint2", "https://api.example.com/endpoint3"]
max_workers = 3
time_limit = 5 # 限制总的调用时间为5秒

results = parallel_call_rest_apis(urls, max_workers, time_limit)
print(results)

在上面的示例中，parallel_call_rest_apis函数接受一个URL列表、最大工作线程数和时间限制作为参数。它使用concurrent.futures.ThreadPoolExecutor创建一个线程池，并使用executor.submit方法提交每个URL的调用任务。然后，它使用concurrent.futures.as_completed迭代已完成的任务，并在给定时间段内调用受限。如果超过时间限制，它会停止调用并返回结果列表。

请注意，由于并行调用涉及多个线程，因此在调用REST端点时可能需要处理线程安全性和并发性问题。在实际的应用程序中，您可能还需要考虑使用适当的线程同步机制来避免竞态条件和数据损坏。