Python Academy · 강의

ThreadPoolExecutor

작업을 동시에 실행하기

ThreadPoolExecutor은(는) CoddyKit의 무료 Python Academy 강의입니다. 이것은 4개 중 2번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 Python Academy 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. Python Academy 강의에는 총 4개의 강의가 포함되어 있습니다.

스레드 풀이 필요한 이유

스레드를 직접 만들고 결합하는 일은 번거롭습니다. concurrent.futures.ThreadPoolExecutor는 작업자 스레드 pool을 대신 관리하고 결과를 깔끔하게 돌려줍니다.

from concurrent.futures import ThreadPoolExecutor

def square(n):
    return n * n

with ThreadPoolExecutor() as ex:
    future = ex.submit(square, 5)
    print(future.result())

submit과 퓨처

submit()은 호출을 예약하고 즉시 퓨처를 반환합니다. 퓨처에서 .result()를 호출하면 결과를 얻을 수 있으며, 결과가 준비될 때까지 호출이 대기합니다.

from concurrent.futures import ThreadPoolExecutor

def greet(name):
    return 'hi ' + name

with ThreadPoolExecutor(max_workers=2) as ex:
    f1 = ex.submit(greet, 'Ana')
    f2 = ex.submit(greet, 'Bob')
    print(f1.result())
    print(f2.result())

여러 입력에 map 사용하기

executor.map(func, iterable)은 모든 항목에 대해 함수를 동시에 실행하고 결과를 입력 순서대로 생성합니다.

from concurrent.futures import ThreadPoolExecutor

def cube(n):
    return n ** 3

with ThreadPoolExecutor() as ex:
    results = ex.map(cube, range(5))
    print(list(results))

작업자 수 제어하기

max_workers는 동시에 실행할 수 있는 스레드 수의 상한을 정합니다. 입출력 중심 작업에서는 CPU 코어 수보다 많은 작업자를 사용할 수 있습니다.

from concurrent.futures import ThreadPoolExecutor
import time

def io_task(n):
    time.sleep(0.05)
    return n

start = time.perf_counter()
with ThreadPoolExecutor(max_workers=4) as ex:
    print(list(ex.map(io_task, range(4))))
print('ran concurrently')

as_completed

as_completed(futures)는 제출 순서와 관계없이 각 퓨처가 끝나는 즉시 해당 퓨처를 생성합니다. 결과가 도착하는 즉시 처리할 때 유용합니다.

from concurrent.futures import ThreadPoolExecutor, as_completed
import time

def work(n):
    time.sleep(0.01 * (3 - n))
    return n

with ThreadPoolExecutor() as ex:
    futures = [ex.submit(work, i) for i in range(3)]
    for f in as_completed(futures):
        print('finished', f.result())

예외 처리하기

작업에서 예외가 발생하면 해당 예외가 퓨처에 저장되고, .result()를 호출할 때 다시 발생합니다. 해당 호출을 try/except로 감싸세요.

from concurrent.futures import ThreadPoolExecutor

def risky(n):
    if n == 0:
        raise ValueError('cannot be zero')
    return 10 // n

with ThreadPoolExecutor() as ex:
    f = ex.submit(risky, 0)
    try:
        print(f.result())
    except ValueError as e:
        print('caught:', e)

여러 인수로 매핑하기

map은 여러 반복자를 받아 내장 함수인 map처럼 이들을 묶어 인수로 전달합니다.

from concurrent.futures import ThreadPoolExecutor

def add(a, b):
    return a + b

with ThreadPoolExecutor() as ex:
    print(list(ex.map(add, [1, 2, 3], [10, 20, 30])))

딕셔너리에 결과 수집하기

as_completed를 사용할 때 각 퓨처를 입력에 다시 연결하면 어떤 결과가 어떤 입력에 해당하는지 알 수 있습니다. 이는 자주 사용하는 패턴입니다.

from concurrent.futures import ThreadPoolExecutor, as_completed

def length(word):
    return len(word)

words = ['cat', 'tiger', 'ox']
with ThreadPoolExecutor() as ex:
    future_to_word = {ex.submit(length, w): w for w in words}
    out = {}
    for f in as_completed(future_to_word):
        out[future_to_word[f]] = f.result()
print(sorted(out.items()))

컨텍스트 관리자 종료 처리

with 블록에서 executor를 사용하면 shutdown()이 자동으로 호출되어 대기 중인 모든 작업이 끝날 때까지 기다립니다.

from concurrent.futures import ThreadPoolExecutor

def job(n):
    return n * 2

with ThreadPoolExecutor() as ex:
    futures = [ex.submit(job, i) for i in range(3)]
print('all tasks done after the with block')
print([f.result() for f in futures])

퓨처 상태 확인하기

퓨처는 .done()과 .running()을 제공하므로 대기하지 않고도 진행 상태를 확인할 수 있습니다.

from concurrent.futures import ThreadPoolExecutor

def quick(n):
    return n + 1

with ThreadPoolExecutor() as ex:
    f = ex.submit(quick, 41)
    result = f.result()
    print('done?', f.done())
    print('value:', result)

사용할 시점

ThreadPoolExecutor는 HTTP 호출, 파일 읽기, 데이터베이스 조회처럼 작은 입출력 중심 작업이 많을 때 적합합니다. CPU 중심 작업에는 대신 ProcessPoolExecutor를 사용하세요.

from concurrent.futures import ThreadPoolExecutor

urls = ['a', 'b', 'c']

def fetch(u):
    return 'fetched ' + u

with ThreadPoolExecutor(max_workers=3) as ex:
    for r in ex.map(fetch, urls):
        print(r)

빠른 확인

ThreadPoolExecutor에 대한 이해도를 확인해 보세요.

복습

ThreadPoolExecutor를 배웠습니다:

submit()은 Future 객체를 반환하고, map()은 반복 가능한 객체의 항목을 순서대로 처리합니다.
as_completed()는 작업이 완료되는 순서대로 퓨처를 생성합니다.
예외는 result()를 통해 나타납니다.
with 블록이 종료 처리를 담당합니다.

다음: multiprocessing을 사용한 진정한 병렬 처리입니다.

자주 묻는 질문

“ThreadPoolExecutor” 강의는 무료인가요?

네 — “ThreadPoolExecutor” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 Python Academy 강의 전체를 잠금 해제할 수 있습니다. Python Academy 강의에는 총 4개의 강의가 포함되어 있습니다.

“ThreadPoolExecutor”에서 뭘 배우나요?

작업을 동시에 실행하기 브라우저에서 직접 실행하는 실습 코드로 Python Academy을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.

Python Academy을(를) 시작하는 데 경험이 필요한가요?

사전 경험은 필요하지 않습니다. CoddyKit의 Python Academy은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 2번째 강의입니다.

“ThreadPoolExecutor” 강의는 얼마나 걸리나요?

대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.

이 Python Academy 강의에서 코드를 작성하고 실행할 수 있나요?

네. 모든 Python Academy 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.

이 강의의 모든 강의

← Python Academy(으)로 돌아가기