Thread e multiprocessing
Un thread è un filo di esecuzione: più thread possono avanzare contemporaneamente nello stesso programma. In Python sono perfetti per le attività che aspettano (download, file, rete). Ma a causa del GIL (Global Interpreter Lock), un solo thread alla volta esegue codice Python: non accelerano i calcoli pesanti.
Per i calcoli pesanti si usa il multiprocessing: più processi, ognuno con il proprio interprete, che girano davvero in parallelo su più core. Il modulo concurrent.futures rende semplici entrambi con ThreadPoolExecutor e ProcessPoolExecutor. Nota: qui il browser non permette di avviare thread, quindi l'esempio mostra la versione sequenziale e il codice da provare sul tuo computer.
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))