Python Concurrency (Part 2: I/O-bound task solution)
Added 2025-02-16 00:00:03 +0000 UTC呢篇文會延續返Part 1講嘅內容，都係target一啲advance少少同有接觸Python嘅讀者。Part 1提到大部份嘅tasks都係離唔開兩樣嘢，IO-bound & CPU-bound。後者其實唔使特別多講，因為主要係牽涉兩樣嘢，一係你有幾多資源去做運算，另外就係本身script夠唔夠efficient。
呢度我想討論嘅topic係前者多啲，上一部份有提到如果要解決IO-bound task係可以用Multi-threading，多線程。呢次喺度想補充多一個Python入邊嘅Solution - async (非同步）。
Python入邊，synchronous code係比較直接，其實就係我哋初學者去學寫嘅Script，但係本身因為Python GIL嘅設計，對於處理IO-bound task其實好冇效率。而asynchronous code (asyncio) 就係Python入邊可以實踐concurrency。
Async / Await
「非同步編程」主要係指喺同一個thread底下，可以同時處理多個 I/O 相關任務（例如網絡請求、讀寫檔案）。一個程式喺等緊 I/O 嘅時候，其實冇用 CPU 資源，咁就可以將 CPU 用嚟做其他嘢，而唔使等嗰個 I/O 完成先繼續。
Python 裏面最常用「asyncio」 呢個package去做非同步處理。
用「async」關鍵字declare一個「協程（coroutine）」，再用「await」去等待另一個協程完成，就可以喺唔同任務之間輪流運行。
Multi-threading
多線程指喺同一個進程裡面，可以開多個線程，理論上同時執行唔同嘅任務。不過，Python 有「GIL（Global Interpreter Lock）」嘅限制：
喺同一個 Python Interpreter入邊，只可以有一條線程（thread）同時間執行 Python bytecode。
喺CPU-bound task，多線程唔會真正並行（parallel）。
但如果個程式大部分時間都係做 I/O-bound task，多線程依然有效，因為一條線程等緊 I/O，就可以切換去另一條線程做嘢。
When to use which?
如果大部分任務都係 I/O-bound，而且對「async/await」語法較熟，可以用 asyncio。可讀性高，而且資源佔用相對較低。
如果你套程式／函式庫唔方便改寫成非同步，可以選擇多線程。
兩種方法對 I/O-bound 來講都可以提升concurrency。
可能大家睇到而家都未完全明晒究竟呢兩個分別係啲咩，以前我喺度學嘅時候睇過一個好得意嘅例子:
synchronous就好似你去嗌麥當勞食好多個餐，你去咗電子機叫完然後卡喺度拎埋餐，之後係咁repeat；
Multi-threading就好似你叫好多個朋友喺唔同嘅電子機度分別各自各order ，咁樣就可以快好多；
async就好似你撳完一部機即刻走去第二部機落order，之後再返嚟俾錢同拎返張單，最後一次過拎餐。
最後要講嘅就係呢篇文最主要其實係解決I/O-bound task嘅solution，所以大家唔好混淆我以上講嘅概念同解決方法可以處理到CPU-bound task，呢度都會attach埋sample code，希望幫到大家去優化本身嘅trading system 。
