•3 phút đọc
Threading, Multiprocessing và Coroutine trong Python: Giải thích dễ hiểu
Tối Ưu Hóa Python: Threading, Multiprocessing và Coroutines
Audio Briefing• Voice: Google Cloud vi-VN-Neural2-A
0:00 / --:--
Rào cản lớn nhất: GIL
Global Interpreter Lock (GIL) chỉ cho phép một thread chạy tại một thời điểm để bảo vệ bộ nhớ. Dù máy có 8 lõi, Python mặc định chỉ xài 1! Dưới đây là 3 cách vượt rào.
1. Threading
Hoàn hảo cho I/O
Mỗi khi thread phải chờ I/O (gọi API, đọc file), nó sẽ tự nhả GIL để thread khác chạy chen vào.
Cách hoạt động
Chạy nhiều thread trong cùng một process, chia sẻ bộ nhớ và chung GIL.
Khi nào nên dùng
Gửi network request, đọc/ghi disk, truy vấn DB.
Tránh dùng khi
Các tác vụ tính toán nặng (CPU-bound) vì GIL sẽ cản trở tốc độ.
Advertisement
2. Multiprocessing
Chạy Song Song Đích Thực
Tạo ra các process hoàn toàn độc lập! Mỗi process có bộ nhớ riêng, GIL riêng và chạy trên một CPU core riêng biệt.
Cách hoạt động
Nhân bản thành nhiều process chia ra các lõi CPU xử lý cùng lúc.
Khi nào nên dùng
Render video, xử lý AI, nén dữ liệu, tính toán toán học nặng.
Đánh đổi
Khởi động tốn thời gian, ngốn RAM nhiều hơn do không dùng chung bộ nhớ.
3. Coroutines (asyncio)
Giải pháp thời thượng
Coroutine siêu nhẹ. Thay vì để hệ điều hành quyết định, code của bạn sẽ tự lên tiếng: "Tui đang phải chờ, chạy task khác đi" bằng lệnh await.
Cách hoạt động
Chỉ dùng duy nhất 1 thread và 1 event loop để xoay vòng các task.
Khi nào nên dùng
Làm WebSockets, xây dựng API backend siêu tốc (như FastAPI).
Lợi thế vượt trội
Có thể chạy 10,000 coroutines cực mượt, trong khi 10,000 threads sẽ làm treo máy.
Tóm lại: Chọn Cái Nào?
Công thức chọn siêu tốc
- Chờ mạng/DB với số lượng kết nối khổng lồ? → Coroutine (
asyncio) - Chờ vài chục task I/O đơn giản? → Threading
- Tính toán cày ải CPU liên tục? → Multiprocessing
Bạn cũng có thể thích
- Profiling rò rỉ bộ nhớ trong ứng dụng Python Async ở môi trường Production
- Tối ưu hóa Python FastAPI cho khả năng đồng thời cao
- FastAPI vs Litestar (2026): Hiệu suất & Điểm chuẩn
- FastAPI vs Litestar: So sánh Benchmark Production và Kiến trúc Microservice Thông lượng Cao
Kiểm tra kiến thức
Interactive Quiz
Tại sao một chương trình AsyncIO đơn luồng (single-threaded) xử lý 10.000 socket mạng đồng thời nhanh hơn 10.000 OS Threads?
Chia sẻ bài viết:
Tiện ích lập trình viên
Công cụ lập trình trực tiếp trên trình duyệt
Làm sạch log AI CLI, tạo biểu thức cron, giải mã JWT và tính quyền chmod offline.
Advertisement
Bài viết liên quan
python
Tài liệu tham khảo Python Async & Concurrency: Event Loop, TaskGroup & Design Pattern trên Production (2026)
Tài liệu tham khảo tiêu chuẩn cho môi trường production về lập trình bất đồng bộ trong Python: cơ chế nội bộ của event loop, structured concurrency với TaskGroup, free-threaded CPython 3.13, connection pooling, và profiling event loop starvation.
Đọc tiếp
python
Tìm hiểu chuyên sâu Python Asyncio: Coroutine, Task và Event Loop vào năm 2026
Nắm vững Python asyncio vào năm 2026: Coroutine, TaskGroup so với gather, nội bộ uvloop, ngăn chặn tắc nghẽn event loop và async semaphore pooling.
Đọc tiếp
python
Profiling rò rỉ bộ nhớ trong ứng dụng Python Async ở môi trường Production
Xác định, phân tích và sửa lỗi rò rỉ bộ nhớ trong các vòng lặp asyncio, coroutine chạy dài, và các tác vụ nền của Python bằng cách sử dụng tracemalloc và công cụ trực quan hóa Memray.
Đọc tiếp