Python 3.4では、マルチプロセッシング/スレッディング用のいくつかの異なるライブラリがあることを発見しました：マルチプロセッシング vs スレッディング vs asyncio。
しかし、どちらを使用するか、または「推奨されるもの」かわかりません。彼らは同じことをしますか、それとも異なりますか？もしそうなら、どれが何のために使用されますか？コンピューターでマルチコアを使用するプログラムを書きたいのですが。しかし、どのライブラリを学ぶべきかわかりません。
回答:
それらは（わずかに）異なる目的および/または要件を対象としています。CPython（典型的なメインラインのPython実装）には依然としてグローバルインタープリターロックがあるため、マルチスレッドアプリケーション（現在の並列処理を実装する標準的な方法）は最適ではありません。これmultiprocessing がに優先される理由threadingです。ただし、すべての問題が[ほぼ独立した]部分に効果的に分割されるとは限らないため、大量のプロセス間通信が必要になる場合があります。そのため、一般的にはmultiprocessing優先さthreadingれません。
asyncio（この手法は、Pythonだけでなく、他の言語やフレームワークでも使用できます（Boost.ASIOなど）。これは、並列コード実行の必要なしに、多数の同時ソースからの大量のI / O操作を効果的に処理する方法です。 。したがって、これは特定のタスクの単なるソリューション（確かに良いものです）であり、一般的な並列処理ではありません。
最も一般的な並行性の形式について説明しました。しかし問題は残ります-いつどれを選ぶべきですか？それは本当にユースケースに依存します。私の経験（および読書）から、私はこの疑似コードに従う傾向があります：
if io_bound:
if io_very_slow:
print("Use Asyncio")
else:
print("Use Threads")
else:
print("Multi Processing")
- CPUバウンド=>マルチプロセッシング
- I / Oバウンド、高速I / O、接続数の制限=>マルチスレッド
- I / Oバウンド、遅いI / O、多くの接続=> Asyncio
[ 注 ]：
asyncioイベントループです（uvloopはasyncio2〜4倍高速になります）。[更新（2019）]：
asyncio、あなたがawaitable関数から使用する場合request、ライブラリではなく、あなたがそのようなとして使用できることで、awaitable方法ではなくaiohttp、ライブラリまたは非同期要求およびなど
ではマルチプロセッシングあなたの計算を配布するために複数のCPUを活用します。各CPUは並列に実行されるため、複数のタスクを同時に効率的に実行できます。CPUにバインドされたタスクにはマルチプロセッシングを使用する必要があります。例は、巨大なリストのすべての要素の合計を計算しようとすることです。マシンに8つのコアがある場合、リストを8つの小さなリストに「カット」して、それらのリストのそれぞれの合計を別々のコアで個別に計算し、それらの数値を合計することができます。そうすることで、最大8倍のスピードアップが得られます。
ではスレッド複数のCPUは必要ありません。多くのHTTPリクエストをWebに送信するプログラムを想像してみてください。シングルスレッドのプログラムを使用した場合、各リクエストで実行（ブロック）を停止し、応答を待ち、応答を受信したら続行します。ここでの問題は、外部サーバーがジョブを実行するのを待機している間、CPUが実際に機能していないことです。それまでの間、実際に役立つ作業を行っていたかもしれません。修正はスレッドを使用することです-スレッドの多くを作成でき、それぞれがWebからのコンテンツのリクエストを担当します。スレッドの良い点は、スレッドが1つのCPUで実行されている場合でも、CPUが1つのスレッドの実行を「フリーズ」し、別のスレッドの実行にジャンプすることです（コンテキストスイッチングと呼ばれ、非決定的に常に発生します）。間隔）。 -スレッドを使用します。
asyncioは基本的にスレッドではなく、CPUではなく、プログラマー（または実際にはアプリケーション）として、コンテキストスイッチが発生する場所とタイミングを決定します。Pythonでは、awaitキーワードを使用して、コルーチン（asyncキーワードを使用して定義）の実行を一時停止します。