이 작은 Python 스크립트는 저수준 프로그래밍에 대한 이해를 향상시켰습니다.

원본은 Medium의 Level Up Coding에 게재되었습니다.

---

Python의 사용 용이성은 종종 근본적인 복잡성을 가립니다. 많은 개발자가 공통 라이브러리와 패턴에 익숙해져 학습 정체 현상이 발생합니다. 그러나 동시성 및 하위 수준 프로그래밍과 같은 고급 주제는 상당한 성장 기회를 제공합니다.

Talk Python To Me 팟캐스트는 고급 Python 학습을 위한 귀중한 리소스입니다. "async/await 및 스레드를 사용한 Python의 병렬 프로그래밍" 과정은 동시성과 코드 최적화에 대한 중요한 통찰력을 제공합니다.

기존 컴퓨터 과학 커리큘럼에서는 컴퓨터 아키텍처, C 프로그래밍, 뮤텍스, 세마포어, 포인터와 같은 개념을 다루는 경우가 많습니다. 그러나 이러한 개념을 실제로 적용하는 것은 많은 프로그래머에게 여전히 어려운 일입니다. 예를 들어, CPU 코어 활용도를 이해하는 것은 이론적으로만 머무르는 경우가 많습니다.

이 과정에서는 동시 및 병렬 프로그래밍을 단순화하는 강력한 도구인 unsync 라이브러리를 중점적으로 다룹니다. unsync은 async, 스레딩 및 다중 처리를 단일 API로 통합하여 CPU 바인딩, I/O 바인딩 또는 비동기식인지에 따라 작업을 자동으로 최적화합니다. 스레드 관리 복잡성을 처리하여 동시 프로그래밍을 간소화합니다.

다음 스크립트는 이러한 개념을 보여줍니다.

<code class="language-python"># source: https://github.com/talkpython/async-techniques-python-course/blob/master/src/09-built-on-asyncio/the_unsync/thesync.py

import datetime
import math
import asyncio
import aiohttp
import requests
from unsync import unsync

def main():
    start_time = datetime.datetime.now()

    tasks = [
        compute_some(),
        compute_some(),
        compute_some(),
        download_some(),
        download_some(),
        download_some_more(),
        download_some_more(),
        wait_some(),
        wait_some(),
        wait_some(),
        wait_some(),
    ]

    [t.result() for t in tasks]

    end_time = datetime.datetime.now()
    elapsed_time = end_time - start_time
    print(f"Synchronous version completed in {elapsed_time.total_seconds():,.2f} seconds.")

@unsync(cpu_bound=True)
def compute_some():
    print("Performing computation...")
    for _ in range(1, 10_000_000):
        math.sqrt(25 ** 25 + .01)

@unsync()
async def download_some():
    print("Downloading...")
    url = 'https://talkpython.fm/episodes/show/174/coming-into-python-from-another-industry-part-2'
    async with aiohttp.ClientSession(connector=aiohttp.TCPConnector(ssl=False)) as session:
        async with session.get(url) as resp:
            resp.raise_for_status()
            text = await resp.text()
    print(f"Downloaded (more) {len(text):,} characters.")

@unsync()
def download_some_more():
    print("Downloading more...")
    url = 'https://pythonbytes.fm/episodes/show/92/will-your-python-be-compiled'
    resp = requests.get(url)
    resp.raise_for_status()
    text = resp.text
    print(f"Downloaded {len(text):,} characters.")

@unsync()
async def wait_some():
    print("Waiting...")
    for _ in range(1, 1000):
        await asyncio.sleep(.001)

if __name__ == "__main__":
    main()</code>

스크립트 분석

이 스크립트는 성능 향상을 위한 동시 작업 실행을 보여줍니다.

1. compute_some 기능: 집중적인 계산을 수행하여 멀티스레드 CPU 코어 활용도를 보여줍니다. 실제 응용 프로그램에는 과학 컴퓨팅 및 데이터 처리가 포함됩니다.
2. download_some 기능: 비차단 I/O에 aiohttp을 활용하여 데이터를 비동기적으로 다운로드합니다. 웹 스크래핑 및 동시 API 호출에 적합합니다.
3. download_some_more 기능: 별도의 스레드에서 동기 요청을 사용하며, 비차단 I/O 없이 동시성이 필요한 간단한 시나리오에 적합합니다.
4. wait_some 기능: 비동기 지연을 시뮬레이션하여 다른 작업이 동시에 진행될 수 있도록 합니다. 외부 이벤트를 기다리는 작업에 유용합니다.

주요 학습 포인트

스크립트는 동시 프로그래밍의 이점을 강조합니다. 동시 작업 실행으로 인해 처리 속도가 빨라지고 리소스 활용도가 더 높아집니다.

---

효율적인 애플리케이션 개발을 위해서는 메모리(RAM)와 처리 능력(CPU) 간의 상호 작용을 이해해야 합니다. RAM은 데이터에 대한 빠른 액세스를 제공하여 CPU가 명령을 실행하는 동안 원활한 멀티태스킹을 가능하게 합니다. 대규모 데이터 세트와 여러 작업을 처리하려면 적절한 메모리가 중요하며, 강력한 CPU는 빠른 계산과 응답성 있는 애플리케이션을 보장합니다. 이 관계를 이해하는 것은 최적화와 효율적인 작업 관리에 필수적이며 복잡한 작업을 처리할 수 있는 고성능 애플리케이션으로 이어집니다.

---

사진: Alexander Kovalev

위 내용은 이 작은 Python 스크립트는 저수준 프로그래밍에 대한 이해를 향상시켰습니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!