تعلم الترابط والمعالجة المتعددة في بايثون للمبتدئين

في بايثون، يمكن أن يؤدي التعامل مع المهام المتزامنة إلى تحسين أداء تطبيقاتك بشكل كبير، وخاصة عند التعامل مع العمليات المرتبطة بالإدخال/الإخراج أو وحدة المعالجة المركزية. يوفر بايثون وحدتين رئيسيتين للتزامن: threading وmultiprocessing. ستقدم لك هذه المقالة هذه الوحدات وتشرح لك كيفية استخدامها للبرمجة المتزامنة.

فهم الخيوط

تعد عملية الترابط طريقة لتشغيل عدة عمليات ترابط (وحدات أصغر من عملية) في نفس الوقت داخل عملية واحدة. وهذا مفيد للمهام المرتبطة بالإدخال/الإخراج حيث تقضي وقتًا طويلاً في انتظار الموارد الخارجية (على سبيل المثال، إدخال/إخراج الملفات، طلبات الشبكة).

مثال على الترابط الأساسي

لإنشاء وإدارة الخيوط في Python، يمكنك استخدام وحدة threading. إليك مثال بسيط:

import threading

# Define a function to be run in a thread
def print_numbers():
    for i in range(5):
        print(i)

# Create a thread object
thread = threading.Thread(target=print_numbers)

# Start the thread
thread.start()

# Wait for the thread to complete
thread.join()

print("Thread has finished execution")

فهم تعدد المعالجات

تتيح لك المعالجة المتعددة تشغيل عمليات متعددة في وقت واحد، كل منها بمترجم Python خاص بها ومساحة ذاكرة. وهذا مفيد بشكل خاص للمهام المرتبطة بوحدة المعالجة المركزية حيث تحتاج إلى إجراء عمليات حسابية بالتوازي.

مثال على المعالجة المتعددة الأساسية

تُستخدم وحدة multiprocessing لإنشاء وإدارة عمليات منفصلة. فيما يلي مثال بسيط:

import multiprocessing

# Define a function to be run in a process
def compute_square(number):
    print(f"The square of {number} is {number * number}")

# Create a process object
process = multiprocessing.Process(target=compute_square, args=(5,))

# Start the process
process.start()

# Wait for the process to complete
process.join()

print("Process has finished execution")

مقارنة الترابط والمعالجة المتعددة

• Threading: الأفضل للمهام المرتبطة بالإدخال/الإخراج. تتقاسم الخيوط نفس مساحة الذاكرة ويمكن أن تكون أكثر كفاءة للعمليات التي تتضمن الانتظار.
• Multiprocessing: الأفضل للمهام المرتبطة بوحدة المعالجة المركزية. تعمل العمليات في مساحات ذاكرة منفصلة ويمكنها الاستفادة الكاملة من نوى وحدة المعالجة المركزية المتعددة للمهام التي تتطلب قدرًا كبيرًا من الحوسبة.

حالات الاستخدام الشائعة

• Threading: مناسب لمهام مثل كشط الويب، وعمليات إدخال/إخراج الملفات، أو أي مهام تتضمن انتظار الموارد الخارجية.
• تعدد العمليات: مثالي لمعالجة البيانات، أو العمليات الحسابية الرياضية، أو أي مهمة تتطلب موارد كبيرة من وحدة المعالجة المركزية.

خاتمة

يعد كل من threading وmultiprocessing من الأدوات القوية لتحسين أداء وكفاءة تطبيقات Python الخاصة بك. من خلال فهم متى وكيف تستخدم هذه الوحدات، يمكنك كتابة برامج أكثر فعالية واستجابة. سواء كنت تتعامل مع مهام مرتبطة بالإدخال/الإخراج أو حسابات مرتبطة بوحدة المعالجة المركزية، توفر Python الأدوات التي تحتاجها للتعامل مع التزامن بشكل فعال.