언제 threading, multiprocessing, asyncio를 선택하나요?

Question

Accepted Answer

Python은 세 가지 동시성 모델을 제공하며, 올바른 선택은 주로 작업이 **I/O 바운드**인지 **CPU 바운드**인지에 달려 있습니다 — 이는 GIL(스레드가 Python 코드를 병렬로 실행하지 못하게 함)에 크게 좌우되는 결정입니다.

## 세 가지 모델

```text
threading        → 여러 스레드, 하나의 프로세스. CPU에 대해 GIL 제한.
multiprocessing  → 여러 프로세스, 각자 자체 인터프리터/GIL → 진정한 병렬성.
asyncio          → 단일 스레드, await 지점에서 양보하는 협력적 코루틴.
```

## threading — I/O 바운드 동시성용

```python
from concurrent.futures import ThreadPoolExecutor

# ✅ I/O에 좋음 — I/O 대기 중 GIL이 해제되므로 대기가 겹침
with ThreadPoolExecutor(max_workers=10) as ex:
    results = list(ex.map(download_url, urls))   # 많은 다운로드를 동시에
```

스레드는 I/O 바운드 작업(네트워크, 파일, DB)에 잘 동작합니다. 대기 중 GIL이 해제되어 여러 대기가 동시에 진행되기 때문이죠. CPU 바운드 작업의 속도는 **높이지 못합니다**.

## multiprocessing — CPU 바운드 병렬성용

```python
from concurrent.futures import ProcessPoolExecutor

# ✅ CPU에 좋음 — 별도 프로세스가 각자 자체 GIL을 가짐 → 모든 코어 사용
with ProcessPoolExecutor(max_workers=4) as ex:
    results = list(ex.map(heavy_computation, data))   # 진정한 병렬성
```

CPU 집약적 작업(이미지 처리, 수학, 데이터 크런칭)의 경우, 별도 프로세스가 단일 GIL을 우회하여 여러 코어에서 진정으로 병렬 실행됩니다. 비용: 더 높은 오버헤드(프로세스 시작)와 프로세스 간 데이터를 **직렬화**해야 함(기본적으로 공유 메모리 없음).

## asyncio — 고동시성 I/O용

```python
import asyncio
# ✅ 많은 동시 I/O 연산(수천 개)에 최적 — 가장 가벼움
await asyncio.gather(*(fetch(url) for url in urls))
```

asyncio는 한 스레드에서 엄청난 수의 동시 I/O 연산을 스레드보다 효율적으로(스레드별 오버헤드 없이) 처리합니다 — 서버와 고동시성 네트워크 코드에 이상적입니다.

## 의사결정 가이드

```text
CPU 바운드 (계산)                   → multiprocessing
I/O 바운드, 중간 정도 동시성          → threading (간단, 동기 라이브러리와 동작)
I/O 바운드, 높은 동시성              → asyncio (수천 개의 연결, 단 async 호환
                                     라이브러리가 필요함)
혼합 CPU + I/O                       → 조합 (예: asyncio + CPU용 프로세스 풀)
```

## 왜 중요한가

올바른 동시성 모델을 선택하는 것은 가장 중대한 Python 성능 결정 중 하나이며, 잘못 선택하면(고전적 실수: CPU 바운드 작업에 스레드를 쓰는 것, GIL이 이를 무용지물로 만듦) 확장되지 않는 코드로 이어집니다.

지침 논리는 GIL에서 흘러나옵니다: **I/O 바운드에는 threading/asyncio**(대기 중 GIL 해제 — 동시성이 동작), **CPU 바운드에는 multiprocessing**(진정한 병렬성을 위한 별도 GIL), 동시성이 매우 높을 때는 asyncio가 선호됩니다.

각 모델의 강점, 비용(프로세스 오버헤드/직렬화, asyncio의 라이브러리 요구 사항), 그리고 I/O-vs-CPU 결정을 이해하는 것은 실제로 성능을 내는 동시성 Python을 작성하는 데 필수적입니다.