🧵 Python Multithreading ও ⚙️ Multiprocessing (সম্পূর্ণ গাইড)

Python-এ একসাথে একাধিক কাজ (task) চালানোর জন্য মূলত দুইটি পদ্ধতি ব্যবহার করা হয়: Multithreading এবং Multiprocessing। এই দুইটি কনসেপ্ট ভালোভাবে বুঝলে আপনি অনেক দ্রুত, দক্ষ এবং স্কেলেবল প্রোগ্রাম লিখতে পারবেন।

🧵 Multithreading কী?

Multithreading মানে হলো একটি প্রোগ্রামের ভিতরে একাধিক thread ব্যবহার করে একসাথে অনেকগুলো কাজ করা। সব thread একই memory share করে।

🔹 Multithreading Example

import threading
import time

def task(name):
    print(f"Task {name} started")
    time.sleep(2)
    print(f"Task {name} finished")

t1 = threading.Thread(target=task, args=("A",))
t2 = threading.Thread(target=task, args=("B",))

t1.start()
t2.start()

t1.join()
t2.join()

print("All tasks completed")
  

Output (সম্ভাব্য):
Task A started Task B started Task A finished Task B finished All tasks completed

👉 এখানে দুটি thread একসাথে শুরু হচ্ছে, তাই মোট সময় কম লাগে।

⚠️ Python GIL (Global Interpreter Lock)

Python-এ GIL থাকার কারণে একসাথে একাধিক thread CPU-intensive কাজ করতে পারে না। তাই CPU-heavy কাজের জন্য Multithreading ভালো না।

⚙️ Multiprocessing কী?

Multiprocessing এ প্রতিটি process আলাদা memory ব্যবহার করে এবং আলাদা CPU core-এ রান করতে পারে। এতে GIL এর সমস্যা থাকে না।

🔹 Multiprocessing Example

import multiprocessing
import time

def task(name):
    print(f"Process {name} started")
    time.sleep(2)
    print(f"Process {name} finished")

if __name__ == "__main__":
    p1 = multiprocessing.Process(target=task, args=("A",))
    p2 = multiprocessing.Process(target=task, args=("B",))

    p1.start()
    p2.start()

    p1.join()
    p2.join()

    print("All processes completed")
  

Output:
Process A started Process B started Process A finished Process B finished All processes completed

👉 এখানে প্রতিটি process আলাদা CPU core ব্যবহার করতে পারে।

🔍 Multithreading vs Multiprocessing

✅ সংক্ষেপে মনে রাখুন

• I/O কাজ → Multithreading
• Heavy calculation → Multiprocessing
• GIL CPU task-এ বাধা দেয়
• Performance বাড়াতে সঠিক টেকনিক বেছে নিন

🎯 এই কনসেপ্টগুলো জানলে আপনি প্রফেশনাল Python Developer হিসেবে আরও শক্তিশালী হবেন।