High Performance Python, 2. Auflage

Kapitel 8. Asynchrone E/A

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Fragen, die du nach diesem Kapitel beantworten kannst

• Was ist Gleichzeitigkeit und wie ist sie hilfreich?

• Was ist der Unterschied zwischen Gleichzeitigkeit und Parallelität?

• Welche Aufgaben können gleichzeitig erledigt werden, und welche nicht?

• Was sind die verschiedenen Paradigmen für Gleichzeitigkeit?

• Wann ist der richtige Zeitpunkt, um die Vorteile der Gleichzeitigkeit zu nutzen?

• Wie kann die Gleichzeitigkeit meine Programme beschleunigen?

Bisher haben wir uns darauf konzentriert, den Code zu beschleunigen, indem wir die Anzahl der Rechenzyklen erhöht haben, die ein Programm in einer bestimmten Zeit abarbeiten kann. In Zeiten von Big Data kann jedoch nicht mehr der Code selbst, sondern die Übermittlung der relevanten Daten an deinen Code der Engpass sein. Wenn das der Fall ist, nennt man dein Programm I/O-Bound, d.h. die Geschwindigkeit ist durch die Effizienz der Ein- und Ausgabe begrenzt.

E/A kann für den Programmfluss ziemlich lästig sein. Jedes Mal, wenn dein Code aus einer Datei liest oder in einen Netzwerksockel schreibt, muss er eine Pause einlegen, um den Kernel zu kontaktieren, den eigentlichen Lesevorgang anzufordern und dann zu warten, bis er abgeschlossen ist. Das liegt daran, dass nicht dein Programm, sondern der Kernel den eigentlichen Lesevorgang durchführt, da der Kernel für die Interaktion ...