- 파이선 프로그램 안에서 동시에 실행되는 것처럼 보이는 함수를 많이 사용 가능
async와await키워드를 사용해 구현- 제너레이터를 실행하기 위한 인프라 사용
- 코루틴 시작 비용은 함수 호출뿐
- 활성화된 코루틴은 종료될 때까지 1kb 미만 메모리 사용
- 매
await식에서 일시 중단, 일시 중단된 대기 가능성이 해결된 후async함수로부터 실행을 재개 - 여러 분리된
async함수가 서로 실행되면 마치 모든async함수가 동시에 실행되는 것처럼 보임- 파이선 스레드의 동시성 동작 흉내 가능
- 스레드와 달리 메모리 부가 비용, 시작 비용, 컨텍스트 전환 비용이 들지 않음
- 복잡한 락과 동기화 코드 필요 없음
- 매커니즘: 이벤트 루프
- 다수의 I/O 를 효율적으로 동시에 실행할 수 있고 이벤트 루프에 맞춰 작성된 함수들을 빠르게 전환해가며 실행 가능
- Queue 를 사용한 방법에서 나타난 문제를 극복하면서
game_logic함수 I/O 를 발생시키기 game_logic함수 시작 시def대신async def를 사용하여 코루틴으로 변경async def함수 내에서await구문 사용 가능
ALIVE = '*'
EMPTY = '-'
class Grid:
...
def count_neighbors(y, x, get):
...
async def game_logic(state, neighbors):
...
# 여기서# I/O를 수행한다
data = await my_socket.read(50)
...step_cell함수에도async def적용,game_logic함수 호출 앞에await을 붙이면step_cell을 코루틴으로 적용 가능
async def step_cell(y, x, get, set):
state = get(y, x)
neighbors = count_neighbors(y, x, get)
next_state = await game_logic(state, neighbors)
set(y, x, next_state)simulate함수도 코루틴으로 변경step_cell을 호출해도 해당 함수가 즉시 호출되지 않음step_cell호출은await식에 사용할 수 있는coroutine인스턴스를 반환asyncio내장 라이브러리가 제공하는gather함수는 팬인을 수행gather에 대해 적용한await식은 이벤트 루프가step_cell코루틴을 동시에 실행하면서step_cell코루틴이 완료될 때마다simulate코루틴 실행을 재개하라고 요청- 모든 실행이 단일 스레드에서 이뤄짐,
Grid인스턴스에 락 사용할 필요 없음 - I/O 는
asyncio가 제공하는 이벤트 루프의 일부분으로 병렬화
import asyncio
async def simulate(grid):
next_grid = Grid(grid.height, grid.width)
tasks = []
for y in range(grid.height):
for x in range(grid.width):
task = step_cell(
y, x, grid.get, next_grid.set) # 팬아웃
tasks.append(task)
await asyncio.gather(*tasks) # 팬인
return next_gridasyncio.run함수를 사용해simulate코루틴을 이벤트 루프상에서 실행, 각 함수가 의존하는 I/O 실행
class ColumnPrinter:
...
grid = Grid(5, 9)
grid.set(0, 3, ALIVE)
grid.set(1, 4, ALIVE)
grid.set(2, 2, ALIVE)
grid.set(2, 3, ALIVE)
grid.set(2, 4, ALIVE)
columns = ColumnPrinter()
for i in range(5):
columns.append(str(grid))
grid = asyncio.run(simulate(grid)) # 이벤트 루프를 실행한다
print(columns)
>>>
0 | 1 | 2 | 3 | 4
---*----- | --------- | --------- | --------- | ---------
----*---- | --*-*---- | ----*---- | ---*----- | ----*----
--***---- | ---**---- | --*-*---- | ----**--- | -----*---
--------- | ---*----- | ---**---- | ---**---- | ---***---
--------- | --------- | --------- | --------- | ---------async def game_logic(state, neighbors):
...
raise OSError('I/O 문제 발생')
...
asyncio.run(game_logic(ALIVE, 3))
>>>
Traceback ...
OSError: I/O 문제 발생-
결과
- 이전과 동일
- 스레드와 관련된 모든 부가 비용 제거
- 대화형 디버거를 사용해 코드를 한 줄씩 실행시켜볼 수 있음
Queue혹은ThreadPoolExecutor접근 방법은 예외 처리에 한계 존재
-
추후 요구 사항 변경으로
count_neighbors함수에서 I/O 수행이 필요하다면 기존 함수와 함수 호출 부분에async와await사용
async def count_neighbors(y, x, get):
...
async def step_cell(y, x, get, set):
state = get(y, x)
neighbors = await count_neighbors(y, x, get)
next_state = await game_logic(state, neighbors)
set(y, x, next_state)
grid = Grid(5, 9)
grid.set(0, 3, ALIVE)
grid.set(1, 4, ALIVE)
grid.set(2, 2, ALIVE)
grid.set(2, 3, ALIVE)
grid.set(2, 4, ALIVE)
columns = ColumnPrinter()
for i in range(5):
columns.append(str(grid))
grid = asyncio.run(simulate(grid))
print(columns)
>>>
0 | 1 | 2 | 3 | 4
---*----- | --------- | --------- | --------- | ---------
----*---- | --*-*---- | ----*---- | ---*----- | ----*----
--***---- | ---**---- | --*-*---- | ----**--- | -----*---
--------- | ---*----- | ---**---- | ---**---- | ---***---
--------- | --------- | --------- | --------- | ---------- 코루틴은 코드에서 외부 환경에 대한 명령과 원하는 명령을 수행하는 방법을 구현하는 것을 분리시켜줌
- 코루틴은 수만 개의 함수가 동시에 실행되는 것처럼 보이게 만드는 효과적인 방법을 제공