Introduction à la Concurrence en Python
Objectifs
Les objectifs de cette vidéo sont de vous apprendre à gérer plusieurs tâches en parallèle en Python, à comprendre les conséquences de différentes méthodes de partage de travail, et à optimiser l'efficacité de vos programmes par une utilisation appropriée des ressources.
Résumé
Apprenez à développer des programmes complexes qui peuvent gérer plusieurs tâches en parallèle en utilisant le langage Python.
Description
Dans cette vidéo, nous allons explorer comment gérer efficacement des tâches parallèles en programmation. En utilisant des exemples concrets, nous illustrerons la gestion des entrées et sorties multiples, ainsi que l'interaction avec les utilisateurs et d'autres systèmes tout en traitant des données. Nous discuterons également des différentes techniques de partage de travail et leurs conséquences spécifiques en Python. Cette leçon est cruciale pour comprendre comment éviter que certaines tâches ne consomment trop de ressources ou ne prennent trop d'avance.
Vous découvrirez les particularités du langage Python dans la gestion des tâches concurrentes et comment les utiliser à votre avantage pour améliorer vos programmes. Nous aborderons les concepts de l'équilibrage de charge, de la synchronisation des tâches et des précautions à prendre pour maintenir l'efficacité globale de votre application. Que vous soyez débutant ou programmeur expérimenté, cette vidéo vous fournira les bases nécessaires pour intégrer la concurrence dans vos projets Python.
Questions fréquentes
Programme détaillé
Module 1 - Les fonctions, des objets comme les autres
Module 2 - Structures de données avancées
Module 3 - L'itération en pratique
Module 4 - Partager le travail
Module 5 - Persistence
Les thèmes variés agrémentés d'exemples simples et clairs enrichissent toutes les notions exposées de façon particulièrement pédagogique. 👍
L'approche didactique m'a permis de beaucoup mieux comprendre tout un tas de concepts plus ou moins bien assimilés auparavant avec une vue d'ensemble nettement plus limpide aujourd'hui. 🤓
Merci pour cette belle prestation. 🙏
Je suis vraiment tres satisfait par cette première formation suivie sur Python.
#CODE en python 3.10.0 64 bits (VScode 1.62.3)
import datetime
import asyncio
import aiohttp
import requests
# ----------------------------------------------------------------------------------------------------------------------------
def req_bloquante(num):
print(f"Get {num}")
uid = requests.get("https://httpbin.org/uuid").json()["uuid"]
print(f"Res {num}: {uid}")
def faire_toutes_les_requetes():
for x in range(51):
req_bloquante(x)
print("=====> ### Bloquant : ")
start = datetime.datetime.now()
faire_toutes_les_requetes()
exec_time = (datetime.datetime.now() - start).seconds
print(f"Downloading all take {exec_time} seconds\n")
# ----------------------------------------------------------------------------------------------------------------------------
async def requeteSansBloquer(semaphore, num, session):
print(f"Get {num}")
# await semaphore.acquire() # putting this await semaphore commande the Res is ordering but process very slow ~60 sec
async with session.get("https://httpbin.org/uuid") as response:
uid = (await response.json())["uuid"]
# await asyncio.sleep(delay=3) #delay = number of seconds
# semaphore.release()
print(f"Res {num}: {uid}")
# return uid # ?
async def main():
semaphore = asyncio.Semaphore(value=1)
tasks = []
async with aiohttp.ClientSession(
loop=loop, connector=aiohttp.TCPConnector(ssl=False)
) as session:
for x in range(51):
tasks.append(requeteSansBloquer(semaphore, x, session))
await asyncio.gather(*tasks)
print("This is after the loop...")
if __name__ == "__main__":
print("=====> ### Non Bloquant : ")
start = datetime.datetime.now()
loop = asyncio.get_event_loop()
loop.run_until_complete(main())
exec_time = (datetime.datetime.now() - start).microseconds
print(f"Downloading all take {exec_time} micro seconds\n")