Python の非同期処理における同期制御
この記事ではPython の非同期処理における同期制御について説明します。
asyncio の基本から、同期制御によく使う実践パターンまで順に学びます。
YouTube Video
Python の非同期処理における同期制御
非同期処理では「複数のタスクを同時に動かす」ことが簡単にできます。しかし、実際には並行度の制御やタスク同士の待ち合わせ、共有資源の排他制御、同期的な重たい処理への対処、キャンセル時の後片付けなど、より高度な調整が必要になります。
ここでは asyncio の基本から、同期制御によく使う実践パターンまで順に学びます。
イントロ:基礎(async / await と create_task)
まずは最小限の非同期コードについて見てみましょう。await は呼んだコルーチンが完了するまでその場で待ち、asyncio.create_task は並列実行のためにタスクをスケジュールします。
1import asyncio
2
3async def worker(name, delay):
4 # Simulate async work
5 await asyncio.sleep(delay)
6 return f"{name} done after {delay}s"
7
8async def main():
9 # Create two tasks that run concurrently.
10 t1 = asyncio.create_task(worker("A", 1))
11 t2 = asyncio.create_task(worker("B", 2))
12
13 # Await both results (this suspends until both are done).
14 result1 = await t1
15 result2 = await t2
16 print(result1, result2)
17
18if __name__ == "__main__":
19 asyncio.run(main())- このコードは、タスクを明示的に作って並列に実行し、最後に
awaitして結果を受け取る典型的なパターンです。create_taskにより同時進行が可能になります。
asyncio.gather と asyncio.wait / asyncio.as_completed の違い
複数のコルーチンを同時に実行するとき、結果をどう受け取るかで使い分けます。gather は「全部終わるまで待って、入力順に結果を返す」方法で、as_completed は「終わったものから順に処理できる」方法です。
1import asyncio
2import random
3
4async def job(i):
5 delay = random.random() * 2
6 await asyncio.sleep(delay)
7 return (i, delay)
8
9async def gather_example():
10 # gather waits for all tasks and returns results in the same order as input
11 results = await asyncio.gather(*(job(i) for i in range(5)))
12 print("gather order:", results)
13
14async def as_completed_example():
15 # as_completed yields results as they finish (useful to process early results)
16 tasks = [asyncio.create_task(job(i)) for i in range(5)]
17 for coro in asyncio.as_completed(tasks):
18 res = await coro
19 print("completed:", res)
20
21async def main():
22 await gather_example()
23 await as_completed_example()
24
25if __name__ == "__main__":
26 asyncio.run(main())- このコードのように、
gatherは入力順に結果を返すので順序を保持したい場合に便利です。as_completedは早く終わったものから処理したいときに使います。
並列度の制御:asyncio.Semaphore で同時実行数を制限する
外部 API のレート制限や DB 接続数の制限があるとき、Semaphore で同時実行数を管理できます。
1import asyncio
2import random
3
4sem = asyncio.Semaphore(3) # allow up to 3 concurrent workers
5
6async def limited_worker(i):
7 async with sem:
8 # Only 3 tasks can be inside this block concurrently
9 delay = random.random() * 2
10 await asyncio.sleep(delay)
11 print(f"worker {i} finished after {delay:.2f}s")
12
13async def main():
14 tasks = [asyncio.create_task(limited_worker(i)) for i in range(10)]
15 await asyncio.gather(*tasks)
16
17if __name__ == "__main__":
18 asyncio.run(main())Semaphoreをasync withで使うと、同時に実行できる数を簡単に制限できます。外部制約がある場面で有効です。
共有資源の排他制御:asyncio.Lock
共有データの同時更新を防ぐために Lock を使います。asyncio.Lock は非同期用の排他プリミティブです。
1import asyncio
2
3counter = 0
4lock = asyncio.Lock()
5
6async def incrementer(n_times):
7 global counter
8 for _ in range(n_times):
9 # Acquire lock to update shared counter safely
10 async with lock:
11 tmp = counter
12 await asyncio.sleep(0) # yield control to increase race likelihood
13 counter = tmp + 1
14
15async def main():
16 tasks = [asyncio.create_task(incrementer(1000)) for _ in range(5)]
17 await asyncio.gather(*tasks)
18 print("final counter:", counter)
19
20if __name__ == "__main__":
21 asyncio.run(main())- グローバルな
counterのような共有変数を複数タスクで更新すると競合が起きます。Lockで囲むことで整合性を保てます。
タスク間の待ち合わせ:asyncio.Event
あるタスクが「準備ができた」合図を出し、それを他のタスクが待ち受けるときに Event を使います。これは、タスク同士で合図を共有するための簡単な同期手段です。
1import asyncio
2
3event = asyncio.Event()
4
5async def waiter(name):
6 print(f"{name} is waiting for event")
7 await event.wait()
8 print(f"{name} resumed after event set")
9
10async def setter():
11 print("setter will sleep and then set the event")
12 await asyncio.sleep(1)
13 event.set()
14 print("event set by setter")
15
16async def main():
17 tasks = [asyncio.create_task(waiter("W1")), asyncio.create_task(waiter("W2"))]
18 await asyncio.create_task(setter())
19 await asyncio.gather(*tasks)
20
21if __name__ == "__main__":
22 asyncio.run(main())Eventはブール的なフラグを持ち、set()で待っているすべてのタスクを再開させます。単純な同期に便利です。
生産者・消費者パターン:asyncio.Queue
Queue を使うと、データを作る側(プロデューサ)と処理する側(コンシューマ)が非同期でスムーズに連携できます。また、キューが満杯になると自動的に待ちが発生するため、生産しすぎを防ぐ仕組み(バックプレッシャー)も自然に実現できます。
1import asyncio
2import random
3
4async def producer(q, n_items):
5 for i in range(n_items):
6 await asyncio.sleep(random.random() * 0.5)
7 item = f"item-{i}"
8 await q.put(item)
9 print("produced", item)
10 # signal consumers to stop
11 await q.put(None)
12
13async def consumer(q, name):
14 while True:
15 item = await q.get()
16 if item is None:
17 # put sentinel back for other consumers and break
18 await q.put(None)
19 break
20 await asyncio.sleep(random.random() * 1)
21 print(name, "consumed", item)
22 q.task_done()
23
24async def main():
25 q = asyncio.Queue(maxsize=5) # bounded queue to apply backpressure
26 prod = asyncio.create_task(producer(q, 10))
27 cons = [asyncio.create_task(consumer(q, f"C{i}")) for i in range(2)]
28 await asyncio.gather(prod, *cons)
29
30if __name__ == "__main__":
31 asyncio.run(main())Queueは、プロデューサとコンシューマの動きを非同期でうまく調整してくれます。さらにmaxsizeを設定すると、キューが満杯のときプロデューサはputで待たされるため、作りすぎを防げます。
同期的なブロッキング処理を扱う:run_in_executor
CPU を多く使う処理や、非同期に対応していないライブラリを使う場合は、run_in_executor を使って別のスレッドやプロセスに処理を任せます。こうすることで、メインのイベントループが止まらず、ほかの非同期タスクがスムーズに動き続けられます。
1import asyncio
2import time
3
4def blocking_io(x):
5 # simulate blocking I/O or CPU-bound work
6 time.sleep(2)
7 return x * x
8
9async def main():
10 loop = asyncio.get_running_loop()
11 # run blocking_io in default thread pool
12 result = await loop.run_in_executor(None, blocking_io, 3)
13 print("blocking result:", result)
14
15if __name__ == "__main__":
16 asyncio.run(main())- 同期関数を直接呼ぶとイベントループが停止します。
run_in_executorを使うと別スレッドで実行され、非同期タスクは並行して進行できます。
例:レート制限つき API 呼び出し(Semaphore + run_in_executor の組合せ)
以下は、外部 API を呼び出す回数を制限しながら、その結果に対して重い処理を行う状況を想定したサンプルです。Semaphore と run_in_executor を組み合わせて、安全かつ効率的に処理を進めます。
1import asyncio
2import time
3import random
4
5sem = asyncio.Semaphore(5)
6
7def heavy_sync_processing(data):
8 # simulate heavy CPU-bound work
9 time.sleep(1)
10 return f"processed-{data}"
11
12async def api_call(i):
13 await asyncio.sleep(random.random() * 0.5) # simulate network latency
14 return f"data-{i}"
15
16async def worker(i):
17 async with sem:
18 data = await api_call(i)
19 # offload CPU-bound work to threadpool
20 loop = asyncio.get_running_loop()
21 result = await loop.run_in_executor(None, heavy_sync_processing, data)
22 print(result)
23
24async def main():
25 tasks = [asyncio.create_task(worker(i)) for i in range(20)]
26 await asyncio.gather(*tasks)
27
28if __name__ == "__main__":
29 asyncio.run(main())- ここでは
Semaphoreで同時 API 呼び出し数を制限し、得られたデータに対する重い処理はスレッドプールへ投げています。ネットワークと CPU を分離して効率的に処理できます。
タスクのキャンセルとクリーンアップ
タスクがキャンセルされた場合は、finally や asyncio.CancelledError を正しく処理することがとても重要です。これにより、開いたファイルや接続の解放、途中状態の整理などを確実に行い、アプリ全体の一貫性を保てます。
1import asyncio
2
3async def long_running():
4 try:
5 print("started long_running")
6 await asyncio.sleep(10)
7 print("finished long_running")
8 except asyncio.CancelledError:
9 print("long_running was cancelled, cleaning up")
10 # perform cleanup here
11 raise
12
13async def main():
14 task = asyncio.create_task(long_running())
15 await asyncio.sleep(1)
16 task.cancel()
17 try:
18 await task
19 except asyncio.CancelledError:
20 print("task cancelled in main")
21
22if __name__ == "__main__":
23 asyncio.run(main())- キャンセルは例外 (
CancelledError) として届くため、exceptブロックで必要なクリーンアップを行い、必要に応じて例外を再送出します。
実践的な設計のポイント
以下は、非同期処理を設計するときに役立つ実践的なポイントです。
-
並列度は明確に制御する 外部 API や DB などリソースに上限がある場合は、
Semaphoreで同時実行数を絞れます。 -
共有資源は安全に扱う 複数タスクで状態を更新する必要があるなら
Lockを使います。共有状態を減らし、不変データを中心に設計するとより安全になります。 -
結果の受け取り方を選ぶ 完了したタスクから順に処理したいときは
asyncio.as_completed、入力順のまままとめて処理したいときはgatherを使います。 -
重たい同期処理は隔離する CPU を使う処理や同期ライブラリの呼び出しは
run_in_executorやProcessPoolExecutorに任せ、イベントループのブロックを避けます。 -
キャンセルと例外を前提にする タスクが途中でキャンセルされても安全に終われるように、例外処理を適切に書いてリソースを確実に解放します。
-
テストしやすくする I/O、時間、乱数などの副作用は抽象化して差し替え可能にしておくと、非同期コードでもテストが容易になります。
まとめ
asyncio は強力ですが「並列に動かせる」ことだけに気を取られると、共有資源競合や外部制限違反、イベントループのブロックなどに遭遇します。Semaphore、Lock、Event、Queue、run_in_executor、そして適切なキャンセル処理を組み合わせることで、安全で効率的な非同期アプリケーションを設計できます。「生産者・消費者」パターンをはじめ、「同時実行数の制限」や「非同期処理とブロッキング処理の切り離し」といった仕組みを活用することで、非同期処理をより安全で効率的に組み立てられます。
YouTubeチャンネルでは、Visual Studio Codeを用いて上記の記事を見ながら確認できます。 ぜひYouTubeチャンネルもご覧ください。