متى تختار threading أو multiprocessing أو asyncio؟

Question

Accepted Answer

يوفر Python ثلاث نماذج للتزامن، والاختيار الصحيح يعتمد بشكل أساسي على ما إذا كان عملك **مرتبطًا بـ I/O** أو **مرتبطًا بـ CPU** — وهو قرار يتأثر بشكل كبير بـ GIL (الذي يمنع المواضي من تنفيذ كود Python بالتوازي).

## النماذج الثلاثة

```text
threading        → multiple threads, ONE process. GIL-limited for CPU.
multiprocessing  → multiple PROCESSES, each its own interpreter/GIL → true parallelism.
asyncio          → single thread, cooperative coroutines yielding at await points.
```

## threading — للتزامن المرتبط بـ I/O

```python
from concurrent.futures import ThreadPoolExecutor

# ✅ good for I/O — the GIL is RELEASED during I/O waits, so waits overlap
with ThreadPoolExecutor(max_workers=10) as ex:
    results = list(ex.map(download_url, urls))   # many downloads concurrently
```

تعمل المواضي بشكل جيد للمهام المرتبطة بـ I/O (الشبكة والملفات وقواعد البيانات) لأن GIL يتم تحريره أثناء الانتظار — عمليات الانتظار المتعددة تتقدم بالتزامن. إنها **لا تسرع** العمل المرتبط بـ CPU.

## multiprocessing — للتوازي المرتبط بـ CPU

```python
from concurrent.futures import ProcessPoolExecutor

# ✅ good for CPU — separate processes each have their own GIL → use all cores
with ProcessPoolExecutor(max_workers=4) as ex:
    results = list(ex.map(heavy_computation, data))   # genuine parallelism
```

بالنسبة للعمل الثقيل على المعالج (معالجة الصور والرياضيات ومعالجة البيانات)، تتجاوز العمليات المنفصلة GIL الواحد وتعمل بحقيقة بالتوازي على نوى متعددة. التكلفة: نفقات عالية (بدء العملية) والبيانات يجب أن تكون **مسلسلة** بين العمليات (لا توجد ذاكرة مشتركة افتراضيًا).

## asyncio — للـ I/O عالي التزامن

```python
import asyncio
# ✅ best for MANY concurrent I/O operations (thousands) — lightest weight
await asyncio.gather(*(fetch(url) for url in urls))
```

يتعامل asyncio مع أعداد ضخمة من عمليات I/O المتزامنة على مضة واحدة، بكفاءة أكبر من المواضي (بدون نفقات كل موضة) — مثالي للخوادم وكود الشبكة عالي التزامن.

## دليل القرار

```text
CPU-bound (computation)              → multiprocessing
I/O-bound, moderate concurrency      → threading (simple, works with sync libraries)
I/O-bound, HIGH concurrency          → asyncio (thousands of connections, but needs
                                       async-compatible libraries)
Mixed CPU + I/O                       → combine (e.g. asyncio + a process pool for CPU)
```

## لماذا يهم

اختيار نموذج التزامن الصحيح هو أحد أهم قرارات أداء Python، والخطأ فيه (الخطأ الكلاسيكي: المواضي للعمل المرتبط بـ CPU، وهو ما يجعله GIL عديم الفائدة) يؤدي إلى كود لا يتسع.

المنطق الموجه يتدفق من GIL: **المواضي/asyncio للـ I/O-bound** (يتم تحرير GIL أثناء الانتظار — التزامن يعمل) و**multiprocessing للـ CPU-bound** (GILs منفصلة للتوازي الحقيقي)، مع تفضيل asyncio عندما يكون التزامن عالي جدًا.

فهم نقاط القوة والتكاليف لكل نموذج (نفقات العملية/التسلسل، متطلبات مكتبة asyncio)، وقرار I/O مقابل CPU أمر حيوي لكتابة Python متزامن يوفر بالفعل الأداء.