--- title: Многопоточность и многопроцессорность questionDates: q-transfer-0241: '2026-10-01' q-transfer-0273: '2026-10-01' q-transfer-0274: '2026-10-01' seo: description: >- Тема «Многопоточность и многопроцессорность» для собеседования Python Developer. Что такое GIL (Global Interpreter Lock)? В чем отличие multiprocessing от multithreading в Python? title: Многопоточность и многопроцессорность — Python Developer --- [Все темы Python Developer](/prep/python-developer) ## Что такое GIL (Global Interpreter Lock)? [#q-14bee738d69b816993dbdd9ed13f5b08] GIL в обычной сборке CPython допускает выполнение байт-кода только одним потоком за раз в одном интерпретаторе. При блокирующем вводе-выводе и в некоторых расширениях на C он освобождается. Это ограничивает параллелизм вычислений на Python, но не исключает полезную многопоточность. Начиная с CPython 3.13 доступны отдельные free-threaded сборки без GIL. :::note[Ссылки для изучения] 1. [Зачем нужен GIL и каково его влияние на многопоточность](https://habr.com/ru/articles/592189/) ::: --- ## В чем отличие multiprocessing от multithreading в Python? [#q-14bee738d69b81c88874d7bbd9d8eae2] Отличие между multiprocessing и multithreading в Python заключается в том, как они обрабатывают параллелизм: #### Multiprocessing: - multiprocessing позволяет создавать отдельные процессы для выполнения задач. - Каждый процесс имеет свое собственное пространство памяти, что делает его более надежным при работе с разделяемой памятью и предотвращает проблемы с GIL. - Это подходит для CPU-интенсивных задач, которые могут быть распараллелены, так как каждый процесс может использовать отдельное ядро процессора. #### Multithreading: - multithreading создает несколько потоков внутри одного процесса для выполнения задач. - Потоки разделяют общее пространство памяти процесса, что может привести к проблемам с синхронизацией доступа к общим ресурсам. - Это подходит для задач с большим количеством ввода-вывода (I/O-bound), так как потоки могут блокироваться при ожидании завершения операций ввода-вывода. В целом, multiprocessing обеспечивает большую изоляцию и параллелизм, в то время как multithreading может быть эффективным для задач, требующих ввода-вывода, но может столкнуться с проблемами с синхронизацией при доступе к общим ресурсам. :::note[Ссылки для изучения] 1. [Зачем нужен GIL и каково его влияние на многопоточность](https://habr.com/ru/articles/592189/) 2. [Асинхронность, потоки и процессы. Артём Шумейко, с 0:02](https://www.youtube.com/watch?v=ao1rb4mqLZQ&t=2s) ::: --- ## Каковы различия между IO-bound и CPU-bound задачами? [#q-14bee738d69b81be8503f1ee2d07a799] Различия между IO-bound и CPU-bound задачами связаны с тем, какие ресурсы больше всего использует каждая из них: #### IO-bound задачи: - Эти задачи в основном зависят от операций ввода-вывода (IO), таких как чтение и запись файлов, сетевые запросы и т. д. - Примеры IO-bound задач включают загрузку веб-страниц, чтение больших файлов, обращение к базам данных и т. д. - В таких задачах основное время ожидания затрачивается на ожидание завершения операций ввода-вывода, а не на обработку данных. #### CPU-bound задачи: - Эти задачи требуют большого количества вычислительных ресурсов процессора (CPU). - Примеры CPU-bound задач включают математические вычисления, обработку данных, компиляцию программ и т. д. - В таких задачах основное время затрачивается на обработку данных или выполнение алгоритмов, а не на ожидание операций ввода-вывода. :::note[Ссылки для изучения] 1. [Зачем нужен GIL и каково его влияние на многопоточность](https://habr.com/ru/articles/592189/) 2. [IO-bound и CPU-bound работа. Артём Шумейко, с 0:20](https://www.youtube.com/watch?v=ao1rb4mqLZQ&t=20s) ::: --- ## Где лучше использовать потоки и асинхронность в Python? [#q-14bee738d69b813c986fc351745551bb] Потоки подходят для конкурентного выполнения блокирующего ввода-вывода, особенно если библиотеки имеют синхронный API. В обычной сборке CPython GIL мешает потокам параллельно выполнять CPU-bound код на Python, поэтому для тяжёлых вычислений чаще используют процессы. Исключения: расширения, которые освобождают GIL, и free-threaded сборки Python. `asyncio` удобно для большого числа одновременно ожидающих операций, если весь стек поддерживает неблокирующий async API. Оно работает в одном потоке, переключая корутины в точках `await`, поэтому блокирующий вызов внутри event loop останавливает остальные задачи. Подробнее: [потоки](https://docs.python.org/3/library/threading.html) и [`asyncio`](https://docs.python.org/3/library/asyncio.html) в документации Python. :::note[Ссылки для изучения] 1. [Блокирующий I/O внутри корутины и перенос через to_thread — русский справочник asyncio](https://asyncio.ru/3.15/library/asyncio-task.html#running-in-threads) 2. [Потоки и асинхронность для IO-bound задач. Артём Шумейко, с 0:20](https://www.youtube.com/watch?v=ao1rb4mqLZQ&t=20s) ::: --- ## Почему GIL не устраняет гонки данных? [#q-transfer-0241] GIL в обычной сборке CPython разрешает исполнять Python bytecode одному потоку за раз, но составная операция состоит из нескольких шагов, между которыми возможно переключение; C-расширение также может отпустить GIL. Поэтому read-modify-write общего объекта остается гонкой. Критическую секцию защищают Lock или убирают совместное изменяемое состояние. Free-threaded CPython делает зависимость от GIL еще менее допустимой. Корректность проверяют под конкуренцией и при завершении процесса, потому что последовательный тест не обнаруживает гонку. :::note[Ссылки для изучения] 1. [Почему GIL не защищает составные обновления: гонка read–modify–write — разбор CPython 3.9](https://habr.com/ru/companies/wunderfund/articles/586360/) ::: --- ## Как процессам безопасно разделять данные? [#q-transfer-0273] Процессы имеют раздельную память. Небольшие сообщения безопаснее передавать через `multiprocessing.Queue` или pipe с ценой сериализации. Для больших буферов подходит shared memory, а `Value` и `Array` дают простые разделяемые значения; доступ к составному состоянию синхронизируют Lock или Semaphore. `Manager` удобен, но прокси и отдельный server process дороже. Владелец и жизненный цикл shared segment должны быть явными. Корректность проверяют под конкуренцией и при завершении процесса, потому что последовательный тест не обнаруживает гонку. :::note[Ссылки для изучения] 1. [Обмен данными между процессами и жизненный цикл shared memory — опыт Авито](https://habr.com/ru/companies/avito/articles/866338/) ::: --- ## Как выбрать примитив синхронизации потоков? [#q-transfer-0274] `Lock` защищает одну критическую секцию, `RLock` допускает повторный вход того же потока, `Semaphore` ограничивает число одновременных владельцев ресурса. `Event` сообщает факт наступления состояния, а `Condition` позволяет ждать предикат под общей блокировкой и перепроверять его в цикле. Примитив выбирают из протокола взаимодействия. Он не исправляет слишком крупную общую mutable-state модель и может добавить дедлоки. Корректность проверяют под конкуренцией и при завершении процесса, потому что последовательный тест не обнаруживает гонку. :::note[Ссылки для изучения] 1. [Lock, RLock, Condition, Semaphore и Event: различия примитивов threading — русский справочник Python](https://asyncio.ru/3.15/library/threading.html#lock-objects) :::