Introduktion til Samtidighed

Samtidighed og parallelisme er begreber, der ofte bruges i flæng, men de beskriver forskellige tilgange til håndtering af flere opgaver. Samtidighed refererer til et programs evne til at håndtere flere opgaver på samme tid, men ikke nødvendigvis udføre dem samtidigt. I stedet kan opgaverne skiftes til at bruge de samme ressourcer, såsom en enkelt CPU-kerne, ved hurtigt at skifte mellem dem. Dette er særligt nyttigt for programmer, der bruger tid på at vente på input/output (I/O)-operationer, som f.eks. læsning fra filer eller netværksforbindelser.

Parallelisme betyder derimod, at flere opgaver faktisk kører på præcis samme tid. Dette er muligt, når der er mere end én CPU-kerne tilgængelig, hvilket gør det muligt at udføre opgaverne reelt parallelt. Parallelisme er især vigtig for CPU-bound opgaver, som er begrænset af processorens hastighed, såsom komplekse beregninger.

Forståelsen af forskellen mellem CPU-bound og I/O-bound opgaver hjælper dig med at vælge den rette tilgang. CPU-bound opgaver er begrænset af beregningshastigheden, mens I/O-bound opgaver bruger det meste af tiden på at vente på eksterne operationer, som diskadgang eller netværkssvar. I Python implementeres samtidighed ofte ved hjælp af tråde, som er letvægts og kan hjælpe med I/O-bound opgaver. For CPU-bound opgaver er multiprocessing, som bruger separate processer, mere effektivt, fordi tråde i Python er begrænset af Global Interpreter Lock (GIL).

Som du så i videoen, afhænger valget mellem samtidighed og parallelisme af karakteren af dit programs arbejdsbyrde. Hvis dine opgaver venter på I/O, kan samtidighed med tråde øge effektiviteten. Hvis dine opgaver kræver meget beregning, vil parallelisme med flere processer hjælpe dig med at udnytte din hardware bedst muligt.