Grokking Concurrency - Python 版¶

本シリーズは「Grokking Concurrency」（Kirill Bobrov 著）の学習コンパニオンとして、並行処理プログラミングの概念を Python で実装しながら日本語で解説します。

対象読者¶

Python の経験があり、並行処理に興味がある開発者
マルチスレッド、マルチプロセスプログラミングを学びたい方
非同期プログラミング（asyncio）を理解したいエンジニア
並行処理の問題（デッドロック、レースコンディション）を理解したい方

記事一覧¶

Part I: 並行処理の基礎 ¶

逐次処理と並行処理の違い、基本概念を学びます。

章	トピック
第2章	逐次処理、パスワードクラッキング例

キーワード: 逐次処理、パフォーマンス測定、ブルートフォース

Part II: プロセスとスレッド ¶

OS レベルの並行処理の基本単位を学びます。

章	トピック
第4章	プロセス、スレッド、ライフサイクル
第5章	スレッドプール、IPC、並列処理

キーワード: Process、Thread、fork、スレッドプール、IPC

Part III: マルチタスキングとスケジューリング ¶

マルチタスキングとタイムシェアリングの概念を学びます。

章	トピック
第6章	マルチタスキング、タイムシェアリング、ゲームループ

キーワード: マルチタスキング、タイムシェアリング、スケジューリング

Part IV: タスク分解と並列パターン ¶

並列処理のデザインパターンを学びます。

章	トピック
第7章	タスク分解、Fork/Join、パイプライン

キーワード: Fork/Join、パイプライン、データ並列、タスク並列

Part V: 同期と排他制御 ¶

並行処理における同期問題と解決策を学びます。

章	トピック
第8章	レースコンディション、Lock、Semaphore
第9章	デッドロック、ライブロック、スタベーション

キーワード: Lock、Semaphore、レースコンディション、デッドロック

Part VI: ノンブロッキング I/O ¶

ノンブロッキング I/O とイベント駆動プログラミングを学びます。

章	トピック
第10章	ブロッキング vs ノンブロッキング I/O
第11章	イベントループ、Reactor パターン

キーワード: ノンブロッキング I/O、イベントループ、Reactor

Part VII: 非同期プログラミング ¶

Python の asyncio を使った非同期プログラミングを学びます。

章	トピック
第12章	Future、Coroutine、async/await

キーワード: asyncio、Future、Coroutine、async/await

Part VIII: 分散並列処理 ¶

MapReduce パターンと分散処理を学びます。

章	トピック
第13章	MapReduce、行列乗算、ワードカウント

キーワード: MapReduce、分散処理、並列アルゴリズム

学習パス¶

uml diagram

使用ライブラリ¶

ライブラリ	用途	対応章
Python 3.9+	言語	全章
threading	スレッド操作	Part II-V
multiprocessing	プロセス操作	Part II, IV, VIII
asyncio	非同期プログラミング	Part VII
concurrent.futures	高レベル並行処理	Part II, IV

リポジトリ構成¶

grokking_concurrency/
├── apps/python/                  # Python サンプルコード
│   ├── Chapter 2/                # 逐次処理
│   ├── Chapter 4/                # プロセスとスレッド
│   ├── Chapter 5/                # スレッドプール、IPC
│   ├── Chapter 6/                # マルチタスキング
│   ├── Chapter 7/                # タスク分解
│   ├── Chapter 8/                # 同期問題
│   ├── Chapter 9/                # デッドロック
│   ├── Chapter 10/               # ノンブロッキング I/O
│   ├── Chapter 11/               # イベントループ
│   ├── Chapter 12/               # 非同期プログラミング
│   └── Chapter 13/               # MapReduce
├── docs/journal/                 # 開発履歴
└── docs/wiki/記事/...            # 解説記事（本ディレクトリ）
    ├── index.md                  # この記事
    ├── part-1.md                 # Part I
    ├── part-2.md                 # Part II
    └── ...                       # 以降の Part

Python と並行処理¶

Python は並行処理の多くの概念をサポートしています:

プロセスとスレッド¶

from threading import Thread
from multiprocessing import Process

def worker(name: str) -> None:
    print(f"Hello from {name}")

# スレッドを使用
thread = Thread(target=worker, args=("Thread-1",))
thread.start()
thread.join()

# プロセスを使用
process = Process(target=worker, args=("Process-1",))
process.start()
process.join()

スレッドプール¶

from concurrent.futures import ThreadPoolExecutor

def task(n: int) -> int:
    return n * 2

with ThreadPoolExecutor(max_workers=4) as executor:
    futures = [executor.submit(task, i) for i in range(10)]
    results = [f.result() for f in futures]

同期プリミティブ¶

from threading import Lock, Semaphore

lock = Lock()
semaphore = Semaphore(3)

with lock:
    # クリティカルセクション
    pass

with semaphore:
    # 最大3つのスレッドが同時に実行可能
    pass

非同期プログラミング¶

import asyncio

async def fetch_data(url: str) -> str:
    await asyncio.sleep(1)  # I/O 待ち
    return f"Data from {url}"

async def main():
    tasks = [fetch_data(f"url_{i}") for i in range(5)]
    results = await asyncio.gather(*tasks)
    print(results)

asyncio.run(main())

主要な概念¶

本シリーズを通じて、以下の概念を学べます:

並行処理 vs 並列処理¶

概念	説明
並行処理 (Concurrency)	複数のタスクを交互に実行し、進行させる
並列処理 (Parallelism)	複数のタスクを物理的に同時に実行する

GIL (Global Interpreter Lock)¶

Python の CPython 実装には GIL があり、マルチスレッドでの CPU バウンド処理には制限があります:

I/O バウンド処理: スレッドで効果的
CPU バウンド処理: プロセスで効果的

同期問題¶

問題	説明	解決策
レースコンディション	複数スレッドが共有リソースに競合	Lock、Mutex
デッドロック	相互にリソースを待ち合い	順序付け、タイムアウト
ライブロック	状態が変化するが進行しない	バックオフ戦略
スタベーション	特定スレッドがリソースを取得できない	公平なスケジューリング

並行処理の利点¶

応答性向上 - UI がブロックされない
スループット向上 - 複数タスクを同時処理
リソース有効活用 - CPU、I/O の待ち時間を活用
スケーラビリティ - マルチコアを活用