Skip to content

33. (П16) Створення процесів та потоків: threading і multiprocessing

Передумови

Персоналізація

У кожному файлі оголосіть константу STUDENT = "Ім'я Прізвище" (ваші дані) і виводьте її у першому рядку кожного запуску програми: print(f"Студент: {STUDENT}"). На скріншотах у звіті повинно бути видно ваше ім'я.

Завдання

Освоїти базові інструменти конкурентності Python: створювати потоки та процеси, синхронізувати доступ до спільних даних, вимірювати продуктивність.

Частина 1: Перші потоки з threading

1.1 Запуск кількох потоків

Створіть файл threads_basic.py. Напишіть функцію download(url: str, delay: float) -> None, яка імітує завантаження файлу: виводить "Завантаження: <url>", чекає delay секунд (time.sleep), виводить "Готово: <url>".

Запустіть три потоки для трьох різних URL із затримками 3, 1 і 2 секунди — спочатку послідовно, потім через threading.Thread. Виміряйте час кожного варіанту за допомогою time.perf_counter.

import threading
import time


def download(url: str, delay: float) -> None:
    print(f"Завантаження: {url}")
    time.sleep(delay)
    print(f"Готово: {url}")


urls = [
    ("https://example.com/file1", 3),
    ("https://example.com/file2", 1),
    ("https://example.com/file3", 2),
]

# Послідовне виконання
start = time.perf_counter()
for url, delay in urls:
    download(url, delay)
print(f"Послідовно: {time.perf_counter() - start:.2f}с\n")

# TODO: замінити на потокове виконання

Очікуваний результат: послідовне виконання ~6 секунд, потокове ~3 секунди.

1.2 Передача аргументів і name

Доповніть threads_basic.py. Дайте кожному потоку ім'я (name="downloader-1" тощо) і виводьте його в повідомленнях функції download через threading.current_thread().name.

Очікуваний вивід (порядок рядків може різнитись):

[downloader-1] Завантаження: https://example.com/file1
[downloader-2] Завантаження: https://example.com/file2
[downloader-3] Завантаження: https://example.com/file3
[downloader-2] Готово: https://example.com/file2
[downloader-3] Готово: https://example.com/file3
[downloader-1] Готово: https://example.com/file1
Потоки: 3.01с

Частина 2: Перші процеси з multiprocessing

2.1 Запуск процесів

Створіть файл processes_basic.py. Напишіть CPU-bound функцію compute(n: int) -> int, яка рахує суму квадратів від 0 до n: sum(i * i for i in range(n)). Поверніть результат і надрукуйте його разом з іменем процесу.

import multiprocessing
import time


def compute(n: int) -> None:
    result = sum(i * i for i in range(n))
    name = multiprocessing.current_process().name
    print(f"[{name}] sum of squares(0..{n}) = {result}")


if __name__ == "__main__":
    tasks = [10_000_000, 8_000_000, 12_000_000]

    # Послідовно
    start = time.perf_counter()
    for n in tasks:
        compute(n)
    print(f"Послідовно: {time.perf_counter() - start:.2f}с\n")

    # TODO: через multiprocessing.Process

if __name__ == '__main__':

Цей захист обов'язковий для multiprocessing на Windows і macOS. Без нього запуск нових процесів рекурсивно породить нові процеси і програма зависне.

Запустіть обидва варіанти. Переконайтеся, що процеси дають прискорення на CPU-bound задачі (на відміну від потоків).

Результат

Після виконання роботи здайте звіт зі скріншотами:

  • Частина 1: вивід потокового завантаження з іменами потоків; порівняння часу послідовного і потокового виконання
  • Частина 2: порівняльна таблиця часу (послідовно / потоки / процеси) для CPU-bound задачі

Знайшли помилку чи бажаєте додати інформацію, щоб покращити курс? Створіть issue на GitHub