Concurrencia y Paralelismo en Python: Técnicas y Librerías Básicas

¿Cómo enfrentar el crecimiento masivo de usuarios en una aplicación?

Cuando creamos una aplicación, el manejo de tareas puede ser sencillo con pocos usuarios. Sin embargo, a medida que la aplicación gana popularidad, la gestión de un número creciente de solicitudes se complica. ¿Cómo podemos solucionar esto? A través de técnicas de paralelismo y concurrencia. Estas técnicas permiten una administración más eficiente de las tareas, especialmente en situaciones donde se requiere procesar múltiples operaciones de forma simultánea.

¿Qué diferencia al procesamiento secuencial del concurrente y el paralelo?

• Procesamiento secuencial: Cada tarea se completa por completo antes de iniciar la siguiente.
• Concurrencia: Comenzamos fragmentos de diversas tareas, pausándolas y retomándolas de forma alterna.
• Paralelismo: Las tareas se ejecutan simultáneamente en diversos núcleos de procesamiento, requiriendo tantos núcleos como tareas en paralelo.

¿Cómo implementar concurrencia usando Python?

En Python, la librería threading nos permite introducir concurrencia a través de hilos. A continuación, se muestra un ejemplo de cómo realizar esto.

import threading
import time

def procesar_solicitud(request_id):
    print(f"Procesando solicitud {request_id}")
    time.sleep(3)
    print(f"Solicitud {request_id} completada")

hilos = []
for i in range(3):
    hilo = threading.Thread(target=procesar_solicitud, args=(i,))
    hilos.append(hilo)
    hilo.start()

for hilo in hilos:
    hilo.join()

print("Todas las solicitudes completadas")

En este código, se simulan las solicitudes aplicando espera de tres segundos para demostrar el procesamiento concurrente.

¿Cómo aplicar el paralelismo con Python?

Para implementar paralelismo, utilizamos multiprocessing, que permite la ejecución de procesos de manera paralela. Aquí tienes un ejemplo básico para calcular el cuadrado de números de forma simultánea:

import multiprocessing

def calcular_cuadrado(n):
    return n * n

if __name__ == "__main__":
    numeros = [1, 2, 3, 4, 5]
    with multiprocessing.Pool() as pool:
        resultados = pool.map(calcular_cuadrado, numeros)
    print(resultados)

El uso del pool.map en el ejemplo asegura que cada número se procese en paralelo, proporcionando resultados inmediatos.

¿Cuándo elegir concurrencia sobre paralelismo?

• Concurrencia: Ideal para tareas que involucran entrada/salida de datos, ya que permite dividir y manejar las tareas asíncronamente.
• Paralelismo: Recomendado para procesos intensivos de cálculo que requieren potencia de procesamiento y pueden ser ejecutados de manera simultánea.

Estas técnicas no solo optimizan el rendimiento de tu aplicación, sino también mejoran su escalabilidad y eficiencia. Ahora que conoces las bases de la concurrencia y el paralelismo en Python, sigue explorando estas herramientas para dominar el desarrollo de aplicaciones eficientes y avanzadas.

¡Continúa aprendiendo y dominando Pyhton!