동시성 패턴: 활성 개체-파이썬 튜토리얼-php.cn

동시성 패턴: 활성 개체

Mary-Kate Olsen

풀어 주다： 2024-12-24 19:27:20

원래의

742명이 탐색했습니다.

Concurrency Patterns: Active Object

소개

활성 개체 패턴은 메서드 실행과 메서드 호출을 분리하는 동시성 디자인 패턴입니다. 이 패턴의 기본 목표는 클라이언트에 동기 인터페이스를 제공하는 동시에 별도의 스레드에서 작업을 실행하여 비동기 동작을 도입하는 것입니다. 이는 메시지 전달, 요청 대기열 및 예약 메커니즘의 조합을 사용하여 달성됩니다.

주요 구성 요소

프록시: 클라이언트에 대한 공개 인터페이스를 나타냅니다. 더 간단하게 말하면 이는 클라이언트가 상호 작용할 대상입니다. 메소드 호출을 활성 객체에 대한 요청으로 변환합니다.
스케줄러: 요청 대기열을 관리하고 요청 실행 순서를 결정합니다.
서번트: 호출되는 메소드의 실제 구현을 포함합니다. 여기에 실제 계산 논리가 적용됩니다.
활성화 대기열: 스케줄러가 처리할 때까지 프록시의 요청을 저장합니다.
Future/Callback: 비동기 계산 결과에 대한 자리 표시자입니다.

작업 흐름

클라이언트가 프록시에서 메소드를 호출합니다.
프록시는 요청을 생성하여 활성화 대기열에 넣습니다.
스케줄러는 요청을 선택하여 실행을 위해 서번트에게 전달합니다.
결과는 future 객체를 통해 클라이언트에 반환됩니다.

사용 사례

예측 가능한 실행 패턴이 필요한 실시간 시스템
메인 스레드의 응답성을 유지하기 위한 GUI 애플리케이션
비동기 요청 처리를 위한 분산 시스템

구현

계산, API 호출, 데이터베이스 쿼리 등을 수행해야 한다고 가정해 보겠습니다. 저는 너무 게으르기 때문에 예외 처리를 구현하지 않을 것입니다.

def compute(x, y):
    time.sleep(2)  # Some time taking task
    return x + y

로그인 후 복사

활성 개체 패턴 없음

다음은 활성 개체 패턴을 사용하지 않고 동시 요청을 처리할 수 있는 방법의 예입니다.

import threading
import time


def main():
    # Start threads directly
    results = {}

    def worker(task_id, x, y):
        results[task_id] = compute(x, y)

    print("Submitting tasks...")
    thread1 = threading.Thread(target=worker, args=(1, 5, 10))
    thread2 = threading.Thread(target=worker, args=(2, 15, 20))

    thread1.start()
    thread2.start()

    print("Doing other work...")

    thread1.join()
    thread2.join()

    # Retrieve results
    print("Result 1:", results[1])
    print("Result 2:", results[2])


if __name__ == "__main__":
    main()

로그인 후 복사

위 접근 방식의 단점

스레드 관리: 스레드를 직접 관리하면 특히 작업 수가 늘어남에 따라 복잡성이 증가합니다.
추상화 부족: 클라이언트는 스레드의 수명 주기를 관리하고 작업 관리와 비즈니스 로직을 결합하는 역할을 담당합니다.
확장성 문제: 적절한 대기열이나 예약 메커니즘이 없으면 작업 실행 순서를 제어할 수 없습니다.
제한된 응답성: 클라이언트는 결과에 액세스하기 전에 스레드가 조인할 때까지 기다려야 합니다.

Active Object Pattern을 이용한 구현

다음은 위와 동일한 작업을 수행하기 위해 스레딩과 큐를 사용하여 활성 개체 패턴을 Python으로 구현한 것입니다. 각 부분을 하나씩 살펴보겠습니다.

MethodRequest: 결과를 저장할 메서드, 인수 및 Future를 캡슐화합니다.

def compute(x, y):
    time.sleep(2)  # Some time taking task
    return x + y

로그인 후 복사

스케줄러: 별도의 스레드에서 activate_queue의 요청을 지속적으로 처리합니다.

import threading
import time


def main():
    # Start threads directly
    results = {}

    def worker(task_id, x, y):
        results[task_id] = compute(x, y)

    print("Submitting tasks...")
    thread1 = threading.Thread(target=worker, args=(1, 5, 10))
    thread2 = threading.Thread(target=worker, args=(2, 15, 20))

    thread1.start()
    thread2.start()

    print("Doing other work...")

    thread1.join()
    thread2.join()

    # Retrieve results
    print("Result 1:", results[1])
    print("Result 2:", results[2])


if __name__ == "__main__":
    main()

로그인 후 복사

서번트: 실제 로직(예: 컴퓨팅 메서드)을 구현합니다.

class MethodRequest:
    def __init__(self, method, args, kwargs, future):
        self.method = method
        self.args = args
        self.kwargs = kwargs
        self.future = future

    def execute(self):
        try:
            result = self.method(*self.args, **self.kwargs)
            self.future.set_result(result)
        except Exception as e:
            self.future.set_exception(e)

로그인 후 복사

프록시: 메소드 호출을 요청으로 변환하고 결과에 대한 Future를 반환합니다.

import threading
import queue


class Scheduler(threading.Thread):
    def __init__(self):
        super().__init__()
        self.activation_queue = queue.Queue()
        self._stop_event = threading.Event()

    def enqueue(self, request):
        self.activation_queue.put(request)

    def run(self):
        while not self._stop_event.is_set():
            try:
                request = self.activation_queue.get(timeout=0.1)
                request.execute()
            except queue.Empty:
                continue

    def stop(self):
        self._stop_event.set()
        self.join()

로그인 후 복사

클라이언트: 작업을 비동기적으로 제출하고 필요할 때 결과를 검색합니다.

import time


class Servant:
    def compute(self, x, y):
        time.sleep(2)
        return x + y

로그인 후 복사

장점

분리된 인터페이스: 클라이언트는 실행 세부 사항에 대해 걱정하지 않고 메소드를 호출할 수 있습니다.
응답성: 비동기 실행을 통해 클라이언트의 응답성이 유지됩니다.
확장성: 다중 동시 요청을 지원합니다.

단점

복잡성: 아키텍처 복잡성이 증가합니다.
오버헤드: 스레드 및 대기열 관리를 위한 추가 리소스가 필요합니다.
대기 시간: 비동기식 처리로 인해 추가 대기 시간이 발생할 수 있습니다.

결론

Active Object Pattern은 멀티스레드 환경에서 비동기 작업을 관리하기 위한 강력한 도구입니다. 메소드 호출과 실행을 분리함으로써 더 나은 응답성, 확장성 및 깔끔한 코드베이스를 보장합니다. 약간의 복잡성과 잠재적인 성능 오버헤드가 있지만 그 이점으로 인해 높은 동시성과 예측 가능한 실행이 필요한 시나리오에 탁월한 선택이 됩니다. 그러나 그 사용은 당면한 특정 문제에 따라 달라집니다. 대부분의 패턴 및 알고리즘과 마찬가지로 모든 경우에 적용되는 단일 솔루션은 없습니다.