Codzy

Threads et multiprocessing

Un thread est un fil d'exécution : plusieurs threads peuvent avancer en même temps dans un même programme. En Python, ils sont parfaits pour les tâches qui attendent (téléchargements, fichiers, réseau). Mais à cause du GIL (Global Interpreter Lock), un seul thread exécute du code Python à la fois : ils n'accélèrent pas les calculs lourds.

Pour les calculs lourds, on utilise le multiprocessing : plusieurs processus, chacun avec son propre interpréteur, qui tournent vraiment en parallèle sur plusieurs cœurs. Le module concurrent.futures rend les deux faciles avec ThreadPoolExecutor et ProcessPoolExecutor. Note : le navigateur ne permet pas de lancer de threads ici, donc l'exemple montre la version séquentielle et le code à essayer sur ton ordinateur.

def download(name):
    return f"{name} downloaded"

files = ["a.pdf", "b.pdf", "c.pdf"]
results = list(map(download, files))
print(results)

# On your computer, the same work with 3 threads at once:
# from concurrent.futures import ThreadPoolExecutor
# with ThreadPoolExecutor(max_workers=3) as pool:
#     results = list(pool.map(download, files))

Commencer la leçon