Практикум — последовательное и параллельное выполнение

ОБЯЗАТЕЛЬНОДЛЯ НОВИЧКОВ

Разработчику Архитектору

Продолжение живых примеров — тот же сценарий в коде на разных языках. Сначала один учебный кейс, затем четыре способа его ускорить и таблица выбора инструмента.

Теория процессов и потоков — Процессы и потоки. Event loop и async/await — Асинхронное выполнение.

---

Словарь перед практикумом

Термин	Значение	Где подробнее
Последовательное выполнение	Задача B стартует только после полного завершения задачи A	Синхронность и асинхронность
I/O-bound	Программа в основном ждёт сеть, диск или БД; CPU свободен	Живые примеры
CPU-bound	Программа считает — циклы, шифрование, обработка картинок	Параллельные вычисления
Поток (thread)	Цепочка команд внутри процесса; потоки делят память	Управление потоками
Процесс	Отдельная программа со своей памятью; обмен через IPC	Процессы и потоки
Асинхронность	Запустили ожидание и перешли к другой работе в том же потоке	Асинхронное выполнение
Event loop	Цикл, который крутит задачи, пока ждут I/O (JS, Python asyncio)	JavaScript 21
GIL	Глобальная блокировка интерпретатора CPython — один поток выполняет байт-код	Python 29
Гонка данных (race condition)	Два потока меняют одну переменную без синхронизации — результат случаен	Управление потоками
join()	Главный поток ждёт завершения дочернего	thread-lifecycle-demo

---

Учебная задача — скачать несколько страниц

Реальный HTTP в примерах заменён на sleep — так проще увидеть разницу во времени без сети и сервера.

Страница (учебный URL)	Имитация задержки сети
https://example.com/page1	2.0 с
https://example.com/page2	3.5 с
https://example.com/page3	1.5 с
https://example.com/page4	2.5 с
https://example.com/page5	1.0 с

При последовательном запуске задержки складываются — около 10.5 с.

При параллельном (потоки, asyncio, горутины) все пять "загрузок" идут одновременно — время близко к 3.5 с (самая долгая страница).

Последовательно:  [====page1====][======page2======][==page3==]...  → ~10.5 с

Параллельно:      [====page1====]
                  [======page2======]                              → ~3.5 с
                  [==page3==]
                  [====page4====]
                  [=page5=]

В продакшене вместо sleep будет HTTP-запрос — логика выбора инструмента та же.

Компонент загружается. Это пример интеграции — сейчас мы запрашиваем данные из другой системы.

---

Python — четыре режима в одной программе

Полный листинг с прогресс-баром (tqdm), блоками I/O и CPU и ASCII-графиком — в code.spirzen.ru:

Пример кода загружается. Это пример интеграции — сейчас мы запрашиваем данные из другой системы.

Что сравнивает программа

Режим	I/O (15 "загрузок")	CPU (расчёты)	Краткий разбор
Последовательно	~25 с	очень долго	Каждая задача ждёт предыдущую
threading / ThreadPoolExecutor	~3–5 с	почти без ускорения	На I/O поток отпускает GIL
asyncio	~3–5 с	ускорения нет	Один поток, много одновременных ожиданий
multiprocessing	обычно избыточно	ускорение по ядрам	У каждого процесса свой интерпретатор и свой GIL

GIL (Global Interpreter Lock)

В стандартном CPython в один момент времени байт-код исполняет один поток. Потоки хорошо работают, когда программа ждёт сеть или диск. Для тяжёлых вычислений на CPU берут multiprocessing или ProcessPoolExecutor — см. раздел multiprocessing.

Разбор по шагам и короткие фрагменты — Практикум в статье про Python. Основы asyncio — 291.

---

Java — потоки, пул, гонки, синхронизация

В Java наглядно видны жизненный цикл потока, гонка данных на общем счётчике и синхронизация на примере банковского счёта.

Пример кода загружается. Это пример интеграции — сейчас мы запрашиваем данные из другой системы.

Блоки демо-программы

• Простые потоки — Thread.start(), join(), чередование строк в консоли.
• Гонка данных — десять потоков делают sharedCounter++ без защиты; ожидали 10 000, получают меньше.
• Синхронизация — методы BankAccount помечены synchronized; баланс остаётся корректным.
• Runnable — одна задача, два потока с разными именами.
• Пул потоков — ExecutorService переиспользует потоки вместо new Thread на каждую задачу.

Интерактив — жизненный цикл потока (аналог на Python threading).

API и выбор между platform threads и virtual threads — Асинхронность в Java. Память JVM и synchronized — JVM и потоки.

---

C# — async, Task и Parallel

В .NET разные инструменты закрывают разные виды ожидания и вычислений.

• async / await — поток освобождается на время I/O (HTTP, БД, файл).
• Task.WhenAll — несколько независимых асинхронных операций стартуют сразу.
• Task.Run — тяжёлая CPU-работа уходит в пул потоков.
• Parallel.ForEach — цикл распределяется по ядрам CPU.

Пример кода загружается. Это пример интеграции — сейчас мы запрашиваем данные из другой системы.

Ситуация	Подходящий API
HTTP, БД, файлы	async/await, Task.WhenAll
Долгий расчёт в окне WPF/MAUI	Task.Run + Dispatcher / MainThread
Параллельная обработка списка файлов	Parallel.ForEach
Общий счётчик из нескольких потоков	lock, Interlocked, ConcurrentDictionary

Подробнее — статья про async и многопоточность в C#. Класс Thread — 391, Task — 392.

---

JavaScript и TypeScript — event loop и worker_threads

В браузере и в Node.js JavaScript-код в одном потоке исполняется по одной инструкции. Пока ждём ответ сервера, event loop выполняет другие колбэки и микрозадачи (Promise).

Компонент загружается. Это пример интеграции — сейчас мы запрашиваем данные из другой системы.

Пример кода загружается. Это пример интеграции — сейчас мы запрашиваем данные из другой системы.

Где какой инструмент

Среда	Много сетевых запросов	Тяжёлые вычисления на CPU
Браузер	fetch, Promise.all	Web Worker
Node.js	async/await, fetch	модуль worker_threads или child_process

TypeScript типизирует Promise<T> — компилятор проверяет результат Promise.all как T[], без any.

---

Go — горутины и WaitGroup

Горутина — лёгкая задача, которую runtime Go ставит на потоки ОС. Ключевое слово go запускает функцию параллельно; sync.WaitGroup ждёт завершения всех "загрузок".

Пример кода загружается. Это пример интеграции — сейчас мы запрашиваем данные из другой системы.

Планировщик Go (модель G–M–P) может держать сотни тысяч горутин на небольшом числе потоков ядра. Каналы и правило CSP — Асинхронность и горутины. Гонки — Механика языка.

---

PHP — запрос за запросом и параллельный cURL

Классическая схема PHP-FPM

• один входящий HTTP-запрос;
• один процесс (или воркер);
• код в скрипте идёт сверху вниз.

Если внутри скрипта пять раз вызвать file_get_contents в цикле, задержки суммируются. Параллельные исходящие HTTP в одном скрипте — через curl_multi_*.

С PHP 8.1 есть встроенные Fibers. Для долгоживущих воркеров и высокой нагрузки — Swoole, RoadRunner, ReactPHP — обзор в экосистеме PHP.

Пример кода загружается. Это пример интеграции — сейчас мы запрашиваем данные из другой системы.

Практикум в разделе PHP — Параллельные HTTP-запросы. Модель "запрос — ответ" — Что такое PHP.

---

Kotlin — корутины и async / awaitAll

Корутина — лёгкая задача на JVM: тысячи корутин дешевле тысячи потоков ОС. suspend-функция при delay или HTTP отдаёт поток другим корутинам.

Пачка "загрузок" — async внутри coroutineScope и awaitAll():

Пример кода загружается. Это пример интеграции — сейчас мы запрашиваем данные из другой системы.

Корутины в Kotlin. Сравнение с Java — 298, Java и Kotlin.

---

Groovy на JVM — потоки Java и GPars

Groovy компилируется в байт-код JVM и использует те же java.util.concurrent API, что и Java. Библиотека GPars добавляет параллельные коллекции и Fork/Join-подобные конструкции.

Пример кода загружается. Это пример интеграции — сейчас мы запрашиваем данные из другой системы.

Практикум на JVM. Потоки Java — Асинхронность в Java.

---

Типичный вывод Python-программы (ASCII-график)

I/O задачи (15 загрузок):

sequential (IO)  ████████████████████████████████████████████  25.35 с
threads (IO)     ████████░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░   4.82 с
async (IO)       ██████████░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░   6.15 с

CPU задачи:

sequential (CPU) ████████████████████████████████████████████  45.00 с
processes (CPU)  ████████████░░░░░░░░░░░░░░░░░░░░░░░░░░░░░░  12.40 с
threads (CPU)    ██████████████████████████████████████████░  43.80 с

• I/O — ускорение потоков и asyncio относительно последовательного кода примерно в 3–5 раз.
• CPU — процессы дают выигрыш близкий к числу ядер; потоки в CPython для CPU почти не ускоряют из-за GIL.

---

Сводная таблица по языкам

Язык	I/O-bound	CPU-bound	Статья
Python	asyncio, threading	multiprocessing	29
Java	virtual threads, CompletableFuture	ExecutorService, ForkJoinPool	298
C#	async/await	Parallel, Task.Run	39
JavaScript	Promise, event loop	worker_threads	21
TypeScript	те же примитивы + типы Promise<T>	те же + типизация worker	17
Go	горутины, каналы	горутины на все ядра	21
PHP	curl_multi, Swoole, Fibers	отдельные воркеры	10
Kotlin	корутины	Dispatchers.Default	222
Groovy	ExecutorService, GPars	GPars parallel collections	11

---

Итоги

1. Определите тип нагрузки — I/O-bound или CPU-bound.
2. Для I/O используйте async, потоки (где GIL не мешает), горутины или корутины — главное, чтобы один поток не простаивал в ожидании сети.
3. Для CPU — процессы или пул с числом воркеров около числа ядер; в Python для CPU потоки почти не дают ускорения.
4. При общей памяти между потоками нужны lock, synchronized, атомики — иначе гонки.
5. Для изоляции плагинов и фоновых задач — отдельный процесс или очередь сообщений.

---

Что читать дальше

Тема	Статья
Сценарии без кода (сайт, десктоп, сервер)	Асинхронность простым языком
Event loop, корутины, колбэки	Асинхронное выполнение
Мьютексы, deadlock	Управление потоками
MPI, OpenMP, ускорение на кластере	Параллельные вычисления
Каталог embed-примеров	IT Code Examples