Как совмещать потоки и асинхронность в Python?

Да, совмещать потоки (threading) и асинхронность (asyncio) в Python возможно, но требует понимания их различий и осторожности. Они решают разные задачи конкурентности:

• asyncio: Однопоточная конкурентность, идеальна для I/O-bound задач (сетевые запросы, чтение/запись файлов), где ожидание внешних операций не блокирует выполнение других задач.
• threading: Многопоточная конкурентность, полезна для CPU-bound задач (интенсивные вычисления), хотя в CPython GIL (Global Interpreter Lock) ограничивает истинный параллелизм для таких задач, позволяя выполнять только один поток Python-кода одновременно.

Основные сценарии совмещения:

1. Запуск блокирующего кода в асинхронном приложении: Если в asyncio приложении необходимо выполнить блокирующую (синхронную) операцию, которая может "заморозить" весь цикл событий, её следует вынести в отдельный поток. Для этого используется loop.run_in_executor() с ThreadPoolExecutor.

   Пример:

   import asyncio
   import time
   from concurrent.futures import ThreadPoolExecutor
   
   def blocking_io_task(duration):
       """Имитация блокирующей I/O операции."""
       print(f"[Thread {time.time():.2f}] Начинаю блокирующую задачу на {duration} сек...")
       time.sleep(duration) # Блокирующая операция
       print(f"[Thread {time.time():.2f}] Блокирующая задача завершена.")
       return f"Результат блокирующей задачи ({duration}s)"
   
   async def non_blocking_async_task(name):
       """Неблокирующая асинхронная задача."""
       for i in range(3):
           print(f"[Async {time.time():.2f}] {name} работает... ({i+1}/3)")
           await asyncio.sleep(0.5)
       print(f"[Async {time.time():.2f}] {name} завершена.")
   
   async def main():
       loop = asyncio.get_running_loop()
       executor = ThreadPoolExecutor(max_workers=2)
   
       # Запускаем неблокирующие асинхронные задачи
       task1 = asyncio.create_task(non_blocking_async_task("Task A"))
       task2 = asyncio.create_task(non_blocking_async_task("Task B"))
   
       # Запускаем блокирующие задачи в отдельных потоках через ThreadPoolExecutor
       # Это предотвращает блокировку основного цикла событий asyncio
       blocking_result1 = await loop.run_in_executor(executor, blocking_io_task, 2)
       blocking_result2 = await loop.run_in_executor(executor, blocking_io_task, 1)
   
       print(f"[Main {time.time():.2f}] Получен результат блокирующей задачи 1: {blocking_result1}")
       print(f"[Main {time.time():.2f}] Получен результат блокирующей задачи 2: {blocking_result2}")
   
       await asyncio.gather(task1, task2) # Ожидаем завершения асинхронных задач
   
   if __name__ == "__main__":
       asyncio.run(main())

2. Запуск цикла событий asyncio в отдельном потоке: Менее распространенный сценарий, когда необходимо запустить asyncio цикл в фоновом потоке и взаимодействовать с ним из основного потока. Используются функции типа asyncio.run_coroutine_threadsafe() или loop.call_soon_threadsafe() для безопасной отправки корутин или колбэков в цикл событий из другого потока.

Важные соображения:

• GIL (Global Interpreter Lock): В CPython GIL не позволяет нескольким потокам выполнять Python-байткод одновременно. Это означает, что threading не дает истинного параллелизма для CPU-bound задач. Для таких задач лучше использовать multiprocessing.
• Синхронизация: При совмещении потоков и асинхронности необходимо тщательно управлять общими ресурсами и использовать соответствующие механизмы синхронизации (мьютексы, очереди, семафоры) для предотвращения состояний гонки и ошибок.
• Выбор инструмента: Всегда старайтесь использовать наиболее подходящий инструмент для конкретной задачи. Для I/O-bound задач предпочтительнее чистый asyncio. Для CPU-bound задач — multiprocessing.