Python並行処理: 徹底比較と実践

はじめに

Pythonの並行処理を徹底比較し、最適な手法を選べるようにします。マルチスレッド、マルチプロセス、asyncioの違い、具体的な使用例、パフォーマンス比較を通じて、効率的な並行処理を実装しましょう。

並行処理とは

並行処理とは、複数のタスクを同時に実行するように見せかける技術です。これにより、プログラムの実行効率を向上させることができます。Pythonでは、主に以下の3つの方法で並行処理を実現します。

• マルチスレッド
• マルチプロセス
• asyncio

マルチスレッド

概要

マルチスレッドは、一つのプロセス内で複数のスレッドを生成し、並行にタスクを実行します。Pythonのthreadingモジュールを使用します。

使用例

import threading

def task(name):
    print(f"Thread {name}: starting")
    # 何らかの処理
    print(f"Thread {name}: finishing")

threads = []
for i in range(3):
    t = threading.Thread(target=task, args=(i,))
    threads.append(t)
    t.start()

for t in threads:
    t.join()

print("All threads finished")

注意点

PythonのGIL（Global Interpreter Lock）により、CPUバウンドな処理では実際には並列実行されません。I/Oバウンドな処理に適しています。

マルチプロセス

概要

マルチプロセスは、複数のプロセスを生成し、並行にタスクを実行します。Pythonのmultiprocessingモジュールを使用します。

使用例

import multiprocessing

def task(name):
    print(f"Process {name}: starting")
    # 何らかの処理
    print(f"Process {name}: finishing")

processes = []
for i in range(3):
    p = multiprocessing.Process(target=task, args=(i,))
    processes.append(p)
    p.start()

for p in processes:
    p.join()

print("All processes finished")

利点

GILの影響を受けないため、CPUバウンドな処理でも並列実行が可能です。

asyncio

概要

asyncioは、シングルスレッドで並行処理を実現するフレームワークです。イベントループを使用して、複数のコルーチンを切り替えながら実行します。

使用例

import asyncio

async def task(name):
    print(f"Task {name}: starting")
    await asyncio.sleep(1)  # I/O待ちをシミュレート
    print(f"Task {name}: finishing")

async def main():
    tasks = [task(i) for i in range(3)]
    await asyncio.gather(*tasks)

if __name__ == "__main__":
    asyncio.run(main())

利点

I/Oバウンドな処理に非常に適しており、少ないリソースで高い並行性を実現できます。

パフォーマンス比較

各手法のパフォーマンスは、タスクの種類によって異なります。一般的に、I/Oバウンドな処理ではasyncioが、CPUバウンドな処理ではマルチプロセスが有利です。

まとめ

Pythonの並行処理には、マルチスレッド、マルチプロセス、asyncioの3つの主要な手法があります。タスクの特性に応じて最適な手法を選択することで、効率的な並行処理を実現できます。