Что такое конкурентность?

Конкурентность — это возможность системы одновременно обрабатывать несколько задач, достигая эффективности и отзывчивости. В Python достигается с помощью потоков (threads) и процессов (processes).

Основные подходы:

1. Многопоточность (Threading): Потоки выполняются в одном адресном пространстве процесса. Подходит для I/O-bound задач (ожидание ввода/вывода). Из-за GIL (Global Interpreter Lock) неэффективна для CPU-bound задач, так как GIL ограничивает параллельное исполнение Python-кода в разных потоках на многоядерных процессорах.

   import threading
   import time
   
   def worker(num):
       """Thread worker function"""
       print(f'Worker {num} starting')
       time.sleep(1)
       print(f'Worker {num} finishing')
   
   threads = []
   for i in range(5):
       t = threading.Thread(target=worker, args=(i,))
       threads.append(t)
       t.start()
   
   for t in threads:
       t.join()
   
   print('All threads finished')
   

2. Многопроцессорность (Multiprocessing): Процессы выполняются в отдельных адресных пространствах. Каждый процесс имеет свой интерпретатор Python и стек. Эффективна для CPU-bound задач, так как GIL не является ограничением между процессами. Требует больше ресурсов (память, CPU) из-за необходимости создавать новый процесс для каждой задачи.

   import multiprocessing
   import time
   
   def worker(num):
       """Process worker function"""
       print(f'Worker {num} starting')
       time.sleep(1)
       print(f'Worker {num} finishing')
   
   if __name__ == "__main__":
       processes = []
       for i in range(5):
           p = multiprocessing.Process(target=worker, args=(i,))
           processes.append(p)
           p.start()
   
       for p in processes:
           p.join()
   
       print('All processes finished')
   

3. Асинхронное программирование (Asyncio): Использует один поток для выполнения нескольких I/O-операций путем переключения между задачами (корутинами) во время ожидания I/O. Подходит для высококонкурентных I/O-bound задач.

   import asyncio
   import time
   
   async def worker(num):
       """Async worker function"""
       print(f'Worker {num} starting')
       await asyncio.sleep(1)
       print(f'Worker {num} finishing')
   
   async def main():
       tasks = []
       for i in range(5):
           task = asyncio.create_task(worker(i))
           tasks.append(task)
   
       await asyncio.gather(*tasks)
   
       print('All tasks finished')
   
   if __name__ == "__main__":
       asyncio.run(main())
   

Сравнительная таблица:

Выбор подхода зависит от характера задачи (CPU-bound vs I/O-bound) и требований к параллелизму.