Threading در پایتون: مفاهیم متوسط

در دنیای برنامه‌نویسی، اغلب با موقعیت‌هایی مواجه می‌شویم که نیاز به انجام چندین کار به صورت همزمان داریم. این می‌تواند شامل پردازش داده‌ها، پاسخ به درخواست‌های کاربر، یا انجام عملیات ورودی/خروجی باشد. در پایتون، یکی از راه‌های رسیدگی به این نوع وظایف، استفاده از threading است. این مقاله به بررسی عمیق‌تر threading در پایتون می‌پردازد، با تمرکز بر مفاهیم متوسط و کاربردهای عملی آن.

مقدمه‌ای بر Threading

Threading یک روش برای دستیابی به همزمانی (concurrency) در برنامه‌ها است. به جای اینکه یک برنامه به صورت ترتیبی یک کار را پس از دیگری انجام دهد، threading به برنامه اجازه می‌دهد تا چندین کار را به طور همزمان اجرا کند. این کار با ایجاد واحدهای اجرایی کوچکتر به نام thread انجام می‌شود. هر thread می‌تواند بخشی از کد برنامه را اجرا کند و همه threadها منابع یک فرآیند را به اشتراک می‌گذارند.

درک تفاوت بین concurrency و parallelism بسیار مهم است. Concurrency به معنای پیشرفت همزمان چندین کار است، در حالی که parallelism به معنای اجرای واقعی همزمان چندین کار است. در سیستم‌های تک هسته‌ای، concurrency با سوئیچ سریع بین threadها حاصل می‌شود، در حالی که parallelism به چندین هسته پردازشی نیاز دارد.

ماژول Threading در پایتون

پایتون ماژول داخلی به نام threading را برای کار با threadها فراهم می‌کند. این ماژول ابزارهایی را برای ایجاد، مدیریت و همگام‌سازی threadها ارائه می‌دهد.

ایجاد Thread

برای ایجاد یک thread در پایتون، باید یک کلاس را از کلاس threading.Thread ارث‌بری کنید و متد run() را بازنویسی کنید. متد run() حاوی کدی است که thread باید اجرا کند. سپس، یک شیء از کلاس خود ایجاد کنید و متد start() را روی آن فراخوانی کنید تا thread شروع به کار کند.

import threading
import time

def task(name):
    print(f"Thread {name}: Starting")
    time.sleep(2)
    print(f"Thread {name}: Finishing")

class MyThread(threading.Thread):
    def __init__(self, name):
        threading.Thread.__init__(self)
        self.name = name

    def run(self):
        task(self.name)

thread1 = MyThread("1")
thread2 = MyThread("2")

thread1.start()
thread2.start()

thread1.join()
thread2.join()

print("All threads completed.")

در این مثال، دو thread ایجاد می‌کنیم که هر کدام تابع task() را اجرا می‌کنند. متد join() منتظر می‌ماند تا thread مربوطه به پایان برسد.

همگام‌سازی Threadها

هنگامی که چندین thread به منابع مشترک دسترسی دارند، ممکن است مشکلاتی مانند شرایط مسابقه (race conditions) و بن‌بست (deadlocks) رخ دهد. برای جلوگیری از این مشکلات، باید از مکانیسم‌های همگام‌سازی استفاده کنید.

Lock

یک Lock یک مکانیسم ساده برای محافظت از منابع مشترک است. فقط یک thread می‌تواند Lock را در یک زمان داشته باشد. سایر threadها باید منتظر بمانند تا Lock آزاد شود.

import threading

lock = threading.Lock()

def access_resource(name):
    lock.acquire()
    try:
        print(f"Thread {name}: Accessing resource")
        # انجام عملیات روی منبع مشترک
        time.sleep(1)
        print(f"Thread {name}: Releasing resource")
    finally:
        lock.release()

در این مثال، از یک Lock برای محافظت از دسترسی به یک منبع مشترک استفاده می‌کنیم. متد acquire() Lock را به دست می‌آورد و متد release() Lock را آزاد می‌کند. استفاده از بلاک try...finally تضمین می‌کند که Lock حتی در صورت بروز خطا آزاد شود.

RLock (Reentrant Lock)

RLock شبیه به Lock است، اما به یک thread اجازه می‌دهد تا چندین بار Lock را به دست آورد. این می‌تواند در مواردی که یک تابع به طور بازگشتی Lock را فراخوانی می‌کند مفید باشد.

Semaphore

Semaphore یک Lock است که می‌تواند توسط چندین thread به طور همزمان به دست آورده شود. Semaphore با یک شمارنده مقداردهی اولیه می‌شود. هر بار که یک thread Lock را به دست می‌آورد، شمارنده کاهش می‌یابد. هر بار که یک thread Lock را آزاد می‌کند، شمارنده افزایش می‌یابد. هنگامی که شمارنده به صفر می‌رسد، threadهای دیگر باید منتظر بمانند تا Lock آزاد شود.

Condition

Condition یک مکانیسم برای همگام‌سازی threadها بر اساس یک شرط است. یک thread می‌تواند منتظر بماند تا یک شرط خاص برقرار شود. هنگامی که شرط برقرار شد، یک thread دیگر می‌تواند thread منتظر را بیدار کند.

Event

Event یک مکانیسم برای سیگنال دادن بین threadها است. یک thread می‌تواند یک Event را تنظیم کند و threadهای دیگر می‌توانند منتظر بمانند تا Event تنظیم شود.

مزایا و معایب Threading

مزایا:

• بهبود پاسخگویی برنامه: با استفاده از threading، می‌توانید وظایف طولانی‌مدت را در یک thread جداگانه اجرا کنید و به رابط کاربری اجازه دهید تا پاسخگو باقی بماند.
• بهره‌وری بیشتر: با استفاده از threading، می‌توانید از منابع سیستم به طور موثرتری استفاده کنید، به خصوص در سیستم‌های چند هسته‌ای.
• سادگی: threading نسبتاً ساده است و به راحتی می‌توان آن را در برنامه‌های پایتون پیاده‌سازی کرد.

معایب:

• پیچیدگی: مدیریت threadها می‌تواند پیچیده باشد، به خصوص هنگام کار با منابع مشترک.
• مشکلات همگام‌سازی: شرایط مسابقه و بن‌بست می‌توانند مشکلات جدی ایجاد کنند.
• محدودیت GIL (Global Interpreter Lock): در پایتون، GIL فقط به یک thread اجازه می‌دهد تا در یک زمان بایت‌کد پایتون را اجرا کند. این می‌تواند عملکرد برنامه‌هایی که از threading برای محاسبات سنگین استفاده می‌کنند را محدود کند.

جایگزین‌های Threading

در برخی موارد، استفاده از threading ممکن است بهترین راه حل نباشد. در این موارد، می‌توانید از جایگزین‌هایی مانند multiprocessing یا asyncio استفاده کنید.

Multiprocessing

Multiprocessing از چندین فرآیند برای اجرای وظایف به صورت همزمان استفاده می‌کند. این می‌تواند عملکرد برنامه‌هایی که از محاسبات سنگین استفاده می‌کنند را بهبود بخشد، زیرا هر فرآیند دارای GIL خود است.

Asyncio

Asyncio یک کتابخانه برای نوشتن کد همزمان با استفاده از coroutineها است. Asyncio می‌تواند عملکرد برنامه‌هایی که از عملیات ورودی/خروجی زیادی استفاده می‌کنند را بهبود بخشد.

نتیجه‌گیری

Threading یک ابزار قدرتمند برای دستیابی به همزمانی در برنامه‌های پایتون است. با این حال، مهم است که از مزایا و معایب threading آگاه باشید و از مکانیسم‌های همگام‌سازی مناسب برای جلوگیری از مشکلات استفاده کنید. در برخی موارد، استفاده از multiprocessing یا asyncio ممکن است راه حل بهتری باشد.