[파이썬] 멀티스레딩과 병렬 처리의 안전성 고려사항

04 Sep 2023

python

컴퓨터 애플리케이션을 개발하다보면 대량의 데이터나 복잡한 계산을 처리해야 하는 경우가 생깁니다. 이러한 경우에는 멀티스레딩과 병렬 처리를 사용하여 작업을 빠르고 효율적으로 처리할 수 있습니다. 그러나 멀티스레딩과 병렬 처리는 안전성과 관련된 몇 가지 고려사항이 있습니다. 이번 포스트에서는 파이썬에서 멀티스레딩과 병렬 처리를 안전하게 사용하기 위해 고려해야 할 사항들을 알아보겠습니다.

1. 공유 자원 접근 제어하기

멀티스레딩과 병렬 처리를 사용하면 여러 작업이 동시에 실행될 수 있습니다. 이 경우, 여러 스레드 또는 프로세스에서 공유 자원에 동시에 접근하는 문제가 발생할 수 있습니다. 이러한 경우에는 공유 자원에 대한 접근을 제어하여 일관된 동작을 보장해야 합니다.

한 가지 방법은 임계 영역(critical section) 을 사용하는 것입니다. 임계 영역은 여러 스레드 또는 프로세스가 동시에 접근하지 못하도록 보호되는 영역을 말합니다. 파이썬에서는 threading.Lock 또는 multiprocessing.Lock 클래스를 사용하여 임계 영역을 생성하고 접근을 제어할 수 있습니다.

import threading

# 임계 영역 생성
lock = threading.Lock()

# 임계 영역 보호하는 함수
def critical_section():
    # 임계 영역 진입
    lock.acquire()
    
    try:
        # 임계 영역 내 작업
        # ...
    finally:
        # 임계 영역 빠져나옴
        lock.release()

2. 데이터 일관성 유지하기

여러 스레드 또는 프로세스가 동시에 데이터를 수정하는 경우, 데이터 일관성을 유지하는 것이 중요합니다. 예를 들어, 한 스레드에서 데이터를 수정하는 도중에 다른 스레드가 해당 데이터에 접근한다면 예상하지 못한 결과가 발생할 수 있습니다.

이를 해결하기 위해 파이썬에서는 threading.Condition 또는 multiprocessing.Condition 클래스를 제공합니다. 이 클래스를 사용하여 데이터를 수정하는 스레드는 해당 데이터에 대한 락(lock)을 획득하고, 데이터에 대한 변경이 완료되면 다른 스레드에게 변경을 알릴 수 있습니다.

import threading

# 데이터와 조건 변수 생성
data = []
condition = threading.Condition()

# 데이터를 수정하는 스레드
def modify_data():
    with condition:
        # 데이터를 수정
        data.append('new item')
        
        # 변경을 알림
        condition.notify()

# 데이터를 사용하는 스레드
def use_data():
    with condition:
        # 데이터 변경이 완료될 때까지 대기
        condition.wait()
        
        # 변경된 데이터 사용
        print(data)

# 스레드 생성 및 실행
t1 = threading.Thread(target=modify_data)
t2 = threading.Thread(target=use_data)

t1.start()
t2.start()

t1.join()
t2.join()

3. 데드락과 경쟁 상태 예방하기

멀티스레딩과 병렬 처리를 사용할 때, 데드락(deadlock)과 경쟁 상태(race condition)와 같은 문제가 발생할 수 있습니다. 데드락은 스레드나 프로세스들이 상호간에 요청한 자원을 무한히 기다리는 상태를 말하며, 경쟁 상태는 여러 스레드 또는 프로세스가 동시에 자원을 요청하여 예상치 못한 결과를 가져오는 상태를 말합니다.

이러한 문제를 예방하기 위해 파이썬에서는 threading.RLock 또는 multiprocessing.RLock 클래스를 사용할 수 있습니다. 이 클래스는 재진입이 가능한 락(reentrant lock)으로, 같은 스레드가 이미 획득한 락을 다시 획득할 수 있습니다.

import threading

# 재진입이 가능한 락 생성
lock = threading.RLock()

# 함수 정의
def func():
    with lock:
        # 재진입 가능한 락 획득
        lock.acquire()
        
        try:
            # 함수 작업
            # ...
        finally:
            # 재진입 가능한 락 반납
            lock.release()

결론

멀티스레딩과 병렬 처리를 사용하여 작업을 빠르고 효율적으로 처리할 수 있지만, 안전성 고려사항을 준수해야 합니다. 본 포스트에서는 공유 자원 접근 제어, 데이터 일관성 유지, 데드락과 경쟁 상태 예방에 대해 알아보았습니다. 이러한 안전성 고려사항을 준수하여 안정적인 멀티스레딩과 병렬 처리를 구현할 수 있습니다.