Elegir modelo
Esta parte presentó tres modelos con sus mediciones. Este capítulo es la tabla que decide, y la parte más útil es la que descarta modelos antes de escribir código.
En una línea
Sección titulada «En una línea»Dos preguntas descartan dos modelos: ¿el trabajo espera o calcula? ¿cuántas cosas a la vez?
La tabla
Sección titulada «La tabla»| Escenario | Serie | Hilos | Procesos | asyncio |
|---|---|---|---|---|
| CPU: 4 × contar 20 M | 3.93 s | 3.67 s | 1.28 s | — |
| Espera: 200 × 5 ms | 1.07 s | 0.06 s | — | 0.02 s |
| 10 000 tareas | — | 74.1 ms (pool) | — | 43.4 ms |
python mediciones/06-01-08-concurrencia.py
El árbol de decisión
Sección titulada «El árbol de decisión»¿El trabajo pasa la mayor parte del tiempo esperando?├── Sí → ¿cuántas esperas simultáneas?│ ├── Pocas (decenas) → HILOS│ └── Miles → ASYNCIO└── No → ¿el cálculo se puede vectorizar? ├── Sí → NUMPY (Parte V, cap. 06) └── No → PROCESOSDesde Python 3.14 existe una cuarta opción para CPU, los subintérpretes (InterpreterPoolExecutor, PEP 734), que no se mide aquí (hay una medición en el capítulo 03: igual que los procesos en tiempo): se parece a los procesos en el uso y con menos coste de arranque. Con 3.11–3.13, el árbol es éste.
Y dos condiciones que pueden invalidar la elección:
- ¿Las bibliotecas son asíncronas? Si no lo son,
asynciose convierte en un pool de hilos con pasos extra. Usa hilos. - ¿Hay estado compartido complejo? Entonces procesos (aislados) o un diseño con colas.
Casos concretos
Sección titulada «Casos concretos»| Caso | Modelo | Por qué |
|---|---|---|
| API que llama a 20 servicios | asyncio |
Miles de esperas, bibliotecas async |
| Procesar 10 000 imágenes | Procesos | CPU puro, tareas independientes |
| Scraper de 500 páginas | Hilos o asyncio |
E/S de red, límite en el servidor |
| Cálculo numérico | numpy |
Vectorización, no concurrencia |
| Servidor web | asyncio (ASGI) |
Muchas conexiones, poca CPU por petición |
| Script de 10 descargas | Hilos | Más simple que asyncio |
| Nada de lo anterior | Serie | La concurrencia no es gratis |
La trampa
Sección titulada «La trampa»Cuándo no aplica
Sección titulada «Cuándo no aplica»- Si el programa tarda menos de un segundo. El arranque y la coordinación se comen la ganancia.
- Si el cuello es una base de datos saturada. Más hilos empeoran la contención.
- Si el código es correcto y suficientemente rápido. La concurrencia es deuda de mantenimiento.
Ejercicio
Sección titulada «Ejercicio»Un servicio hace tres cosas por petición: consulta la base (15 ms), llama a una API externa (200 ms) y genera un PDF (400 ms de CPU). Llegan 50 peticiones por segundo. Diseña la arquitectura con los modelos de esta parte.
Solución
Cada petición consume 215 ms de espera y 400 ms de CPU. A 50 por segundo son 20 segundos de CPU por segundo: no cabe en un proceso, haga lo que haga con la concurrencia.
La arquitectura correcta separa por naturaleza:
- La API web, asíncrona: atiende las 50 conexiones, lanza las consultas async (base y API externa) y encola la generación del PDF. Responde
202 Acceptedcon un identificador. - Un pool de procesos consume la cola de PDFs: 8 workers, 400 ms cada uno → 20 PDFs por segundo. Para 50 peticiones por segundo hacen falta 20 workers o acelerar la generación.
- El cliente consulta el estado y recoge el PDF.
Lo que no funciona: hacer el PDF dentro de la petición con asyncio (bloquea el bucle 400 ms × 50 = 20 s) ni con hilos (el GIL serializa la CPU y la cola crece).
La lección: la concurrencia no crea CPU. Cuando la carga de cálculo excede la máquina, la respuesta es encolar, escalar horizontalmente o reducir el trabajo, no cambiar de modelo.
Las cuentas, para comprobarlas:
por_segundo, espera, cpu_pdf = 50, 0.015 + 0.200, 0.400print(f"espera por peticion: {espera * 1000:.0f} ms; CPU por peticion: {cpu_pdf * 1000:.0f} ms")print(f"CPU por segundo de reloj: {por_segundo * cpu_pdf:.0f} s")print(f"PDFs por segundo con 8 workers: {8 / cpu_pdf:.0f}")print(f"workers necesarios para {por_segundo} PDFs/s: {por_segundo * cpu_pdf:.0f}")Referencias
Sección titulada «Referencias»- Ramalho, L. Fluent Python, 2ª ed. Capítulo 19.
- Mediciones:
mediciones/06-01-08-concurrencia.pyymediciones/06-06-07-colas-bloqueos.py.
Capítulos relacionados
Sección titulada «Capítulos relacionados»- 01 · El GIL: la razón de fondo de la tabla.
- 05 · asyncio en producción: cómo se opera el modelo elegido.
- 06 · Colas: el pegamento entre modelos.