Python Eficaz

for thread in threads:
thread.join()
end = time()
print('Took %.3f seconds' % (end - start))
>>>
Took 0.102 seconds
O tempo do processamento paralelo é 5× mais rápido que o tempo gasto para
resolver os cálculos de forma serial. Isso mostra que as chamadas de sistema
rodarão em paralelo para múltiplas threads do Python mesmo estando limitados
pela GIL. A GIL impede que meu código em Python rode em paralelo, mas não
tem impacto negativo nenhum sobre as chamadas de sistema. Isso funciona
porque as threads em Python liberam a GIL logo antes de fazer chamadas de
sistema e rearma a GIL tão logo as chamadas de sistema tenham terminado.
Existem muitas outras maneiras de lidar com operações que bloqueiam I/O além
das threads, como o módulo nativo asyncio. Essas alternativas trazem benefícios
muito importantes. Contudo, essas opções requerem trabalho extra para refatorar
o código de forma a funcionar em um modelo diferente de execução (consulte o
Item 40: “Considere usar corrotinas para rodar muitas funções
simultaneamente”). Usar threads é o meio mais simples de executar operações
que bloqueiam I/O em paralelo, com um mínimo de alterações no programa
principal.
Lembre-se
• As threads do Python não conseguem rodar bytecode em paralelo nos
sistemas com mais de um núcleo de CPU por conta da global interpreter lock
(GIL).
• Mesmo com a GIL, as threads do Python são bastante úteis porque oferecem
uma maneira bem fácil de executar múltiplas tarefas ao mesmo tempo.
• Use as threads do Python para fazer múltiplas chamadas de sistema em
paralelo. Com isso, podemos disparar operações que bloqueiam I/O ao
mesmo tempo em que o programa principal continua computando outras
coisas.
www.full-ebook.com