Différence entre le multiprocessing et le threading en Python

Vaibhav Vaibhav 22 janvier 2022
  1. Multitraitement Python
  2. Filetage Python
  3. Threading VS multiprocessing en Python
Différence entre le multiprocessing et le threading en Python

Le multiprocessing et le threading sont deux des concepts les plus importants que tout passionné d’informatique devrait connaître. Ces deux techniques sont essentielles qui ont le même objectif d’exécuter plusieurs programmes ou un morceau de code simultanément. Bien que leur objectif final soit le même, ils sont très différents les uns des autres. Dans cet article, nous allons découvrir les deux et en quoi ils sont différents les uns des autres.

Multitraitement Python

Le multiprocessing est la technique consistant à utiliser plusieurs CPU ou processeurs à la fois pour exécuter plusieurs processus. Cette technique est largement utilisée pour accélérer certaines tâches de calcul en utilisant la disponibilité de plusieurs processeurs. Notez que si l’ordinateur n’a pas de processeurs supplémentaires, le multiprocessing ne fonctionnera pas quel que soit le code que nous écrivons car c’est un prérequis.

Dans les applications du monde réel, le multiprocessing est largement utilisé pour faire avancer les choses plus rapidement. Cette technique favorise l’utilisation de tout le potentiel d’un système informatique et réduit les coûts si quelqu’un utilise un système informatique loué ou un service basé sur le cloud.

Le multiprocessing utilise des processus. Un processus est un programme isolé et indépendant en cours d’exécution. Un processus a son propre espace mémoire séparé, son code, ses données, ses fichiers et sa pile. En règle générale, les processus sont lourds et nécessitent plus de ressources que les threads. Avec les processus, la communication inter-processus est lente car les processus ont des adresses et des espaces mémoire différents.

Filetage Python

Comme son nom l’indique, le threading utilise des threads. Les threads sont des segments de processus qui partagent de l’espace mémoire, du code, des données et des fichiers avec le processus parent ou le processus qui les a créés. Par rapport aux processus, les threads sont légers, plus faciles à créer et nécessitent moins de ressources. La communication inter-processus est rapide avec les threads car ils partagent l’espace mémoire avec leur processus parent.

Le threading est la technique consistant à exécuter plusieurs threads simultanément. Comme le multiprocessing, le threading vise également à exécuter des opérations plus rapidement en utilisant tout le potentiel des systèmes informatiques. Étant donné que les threads appartiennent à un seul processus, toutes les opérations sont effectuées à l’intérieur d’un seul processus, contrairement au multiprocessing, où plusieurs processus sont créés pour effectuer le travail.

Bien que le multithreading soit rapide et robuste, il nécessite une attention particulière car les programmes peuvent se heurter à des interblocages et à des conditions de concurrence. Par conséquent, il devrait y avoir une manière structurée d’utiliser les threads et les ressources associées.

Threading VS multiprocessing en Python

Multitraitement Enfilage
Utilise des processus. Utilise des fils.
Poids lourd et grande empreinte mémoire. Léger et faible encombrement mémoire.
Les processus ont leur propre espace mémoire indépendant. Les threads ont un espace mémoire partagé avec le processus parent.
La communication inter-processus est un peu difficile en raison des différentes adresses et espaces mémoire. La communication inter-processus est aisée grâce aux espaces mémoire partagés.
La création de nouveaux processus est plus lente. La création de nouveaux threads est plus rapide.
En Python, le multiprocessing peut être utilisé pour implémenter un véritable parallélisme. Il utilise plusieurs CPU et processeurs en coulisse. En Python, le threading ne fonctionne pas en raison de GIL ou de Global Interpreter Lock. GIL fait partie de l’interpréteur Python par défaut cPython.
En Python, le multiprocessing peut pratiquement être implémenté à l’aide du module multiprocessing. En Python, le multiprocessing peut être pratiquement implémenté à l’aide du module threading.
Nécessite plus de ressources système pour s’exécuter. Nécessite moins de ressources système pour fonctionner.
Vaibhav Vaibhav avatar Vaibhav Vaibhav avatar

Vaibhav is an artificial intelligence and cloud computing stan. He likes to build end-to-end full-stack web and mobile applications. Besides computer science and technology, he loves playing cricket and badminton, going on bike rides, and doodling.

Article connexe - Python Threading