Threading
Aprende a crear y gestionar threads en Python: concurrencia vs paralelismo, ciclo de vida, y el problema de las race conditions.
info
Concurrencia y paralelismo
Un proceso es un programa en ejecución con su propio espacio de memoria. Un thread (hilo) es una unidad de ejecución dentro de un proceso — varios threads del mismo proceso comparten la misma memoria.
Esto permite que los threads se comuniquen fácilmente a través de variables compartidas, pero también introduce riesgos (veremos eso en la sección de race conditions).
Paralelismo vs. Concurrencia
- Paralelismo: múltiples cores ejecutan instrucciones al mismo tiempo (simultáneamente).
- Concurrencia: un solo core intercala la ejecución de múltiples tareas, creando la ilusión de simultaneidad.
Python (CPython) tiene el GIL (Global Interpreter Lock): solo un thread puede ejecutar bytecode Python a la vez. Esto elimina el paralelismo real, pero mantiene la concurrencia — útil para tareas que pasan tiempo esperando (I/O-bound).
Threading es ideal para tareas I/O-bound: descargar archivos, hacer requests HTTP, leer de disco, esperar input de usuario. Mientras un thread espera, otros pueden avanzar. Para tareas CPU-bound (cálculos intensivos), usa multiprocessing en su lugar.
¿Para qué sirve entonces?
Cargando Quiz...
Cargando Quiz...
code
Crear threads
Hay dos formas principales de crear threads en Python usando el módulo threading.
Forma 1: función externa con threading.Thread
python
import threading def saludar(nombre, veces): for i in range(veces): print(f'Hola desde {nombre}') # target = función a ejecutar# args = tupla de argumentos posicionalest1 = threading.Thread(target=saludar, args=('Thread-1', 3))t2 = threading.Thread(target=saludar, args=('Thread-2', 2)) t1.start() # lanza t1 en segundo planotune
Ciclo de vida: join, daemon y Timer
join() e is_alive()
t.join()→ bloquea el hilo que lo llama (generalmente el main) hasta quettermine.t.join(timeout=n)→ espera máximonsegundos; si el thread no termina, continúa de todas formas.t.is_alive()→ retornaTruesi el thread sigue en ejecución.
python
import threading, time def tarea_larga(): time.sleep(2) print('Tarea terminada') t = threading.Thread(target=tarea_larga)t.start() print(f'¿Está vivo? {t.is_alive()}') # Truet.join() # espera que t termineprint(f'¿Está vivo? {t.is_alive()}') # Falsewarning
Race conditions
Cuando múltiples threads comparten y modifican el mismo dato sin coordinación, el resultado puede ser incorrecto. Esto se llama race condition (condición de carrera).
¿Por qué contador += 1 no es segura?
Aunque parece una sola operación, contador += 1 internamente son tres pasos:
- LOAD: leer el valor actual de
contador - ADD: sumarle 1
- STORE: guardar el resultado en
contador
El OS puede interrumpir un thread entre cualquiera de estos pasos y cederle el control a otro thread. Resultado: escrituras perdidas.
python
import threading contador = 0 def incrementar(n): global contador for _ in range(n): contador += 1 # NO es atomica — peligro de race condition threads = [threading.Thread(target=incrementar, args=(100_000,)) for _ in range(5)]