Python uygulamalar\u0131n\u0131z\u0131n yava\u015f \u00e7al\u0131\u015fmas\u0131ndan, kullan\u0131c\u0131 aray\u00fcz\u00fcn\u00fcn donmas\u0131ndan veya ayn\u0131 anda birden fazla g\u00f6revi y\u00f6netmekte zorlanmaktan m\u0131 \u015fikayet\u00e7isiniz? Engellemeyen kod y\u00fcr\u00fctme, modern uygulama geli\u015ftirmede kritik bir \u00f6neme sahiptir ve Python’\u0131n sundu\u011fu Executor’lar, bu sorunu a\u015fman\u0131n en etkili yollar\u0131ndan biridir. Bu makale, Python’da e\u015fzamanl\u0131 ve paralel programlaman\u0131n kalbi olan Executor mekanizmas\u0131n\u0131 s\u0131f\u0131rdan ele alacak, engellemeyen kodun ne oldu\u011funu a\u00e7\u0131klayacak ve ger\u00e7ek d\u00fcnya senaryolar\u0131yla uygulamal\u0131 \u00f6rnekler sunarak uygulamalar\u0131n\u0131z\u0131n performans\u0131n\u0131 nas\u0131l art\u0131rabilece\u011finizi g\u00f6sterecektir.<\/p>\n
G\u00fcn\u00fcm\u00fcz\u00fcn dijital d\u00fcnyas\u0131nda, kullan\u0131c\u0131lar ve sistemler uygulamalar\u0131n yaln\u0131zca i\u015flevsel olmas\u0131n\u0131 de\u011fil, ayn\u0131 zamanda h\u0131zl\u0131 ve duyarl\u0131 olmas\u0131n\u0131 da bekliyor. Bir web sunucusu d\u00fc\u015f\u00fcn\u00fcn ki her istekte veritaban\u0131na b\u00fcy\u00fck bir sorgu g\u00f6nderiyor; bu sorgu tamamlanana kadar di\u011fer t\u00fcm istekler bekletilirse, sisteminiz an\u0131nda t\u0131kan\u0131r ve kullan\u0131c\u0131 deneyimi ciddi \u015fekilde olumsuz etkilenir. Veya yo\u011fun bir veri i\u015fleme uygulamas\u0131nda, tek bir b\u00fcy\u00fck dosyan\u0131n i\u015flenmesi di\u011fer g\u00f6revlerin saatlerce beklemesine neden olabilir. \u0130\u015fte bu senaryolar\u0131n temelinde “engelleme” (blocking) ad\u0131 verilen durum yatar.<\/p>\n
Engellemeyen kod y\u00fcr\u00fctme, bir g\u00f6revin tamamlanmas\u0131n\u0131 beklerken di\u011fer g\u00f6revlerin duraksamamas\u0131 prensibine dayan\u0131r. \u00d6zellikle uzun s\u00fcren I\/O (Giri\u015f\/\u00c7\u0131k\u0131\u015f) i\u015flemleri (a\u011f \u00e7a\u011fr\u0131lar\u0131, dosya okuma\/yazma, veritaban\u0131 i\u015flemleri) veya yo\u011fun CPU (\u0130\u015flemci) hesaplamalar\u0131 i\u00e7eren Python uygulamalar\u0131nda bu durum hayati \u00f6nem ta\u015f\u0131r. Tek i\u015f par\u00e7ac\u0131kl\u0131 bir ortamda, bu t\u00fcr engelleme yapan i\u015flemler uygulaman\u0131n genel yan\u0131t verme h\u0131z\u0131n\u0131 d\u00fc\u015f\u00fcr\u00fcr ve performans\u0131 ciddi \u015fekilde olumsuz etkiler. Kullan\u0131c\u0131lar\u0131n beklentileri artt\u0131k\u00e7a, arka planda karma\u015f\u0131k i\u015flemler y\u00fcr\u00fct\u00fcl\u00fcrken bile uygulaman\u0131n ak\u0131c\u0131 kalmas\u0131 zorunluluk haline gelmi\u015ftir. Python’\u0131n yerle\u015fik e\u015fzamanl\u0131l\u0131k yetenekleri, \u00f6zellikle Executor’lar, belirli g\u00f6revleri ayr\u0131 i\u015f par\u00e7ac\u0131klar\u0131nda (threads) veya ayr\u0131 s\u00fcre\u00e7lerde (processes) \u00e7al\u0131\u015ft\u0131rmay\u0131 soyutlayarak karma\u015f\u0131k e\u015fzamanl\u0131 programlama detaylar\u0131n\u0131 sizin yerinize y\u00f6netir. Bu sayede, uzun s\u00fcren bir web iste\u011fini beklerken, kullan\u0131c\u0131n\u0131n aray\u00fczle etkile\u015fime devam etmesini sa\u011flayabilir; veya b\u00fcy\u00fck bir veri setini i\u015flerken, uygulaman\u0131n di\u011fer b\u00f6l\u00fcmlerinin yan\u0131t vermeye devam etmesini temin edebilirsiniz. Bu teknikler yaln\u0131zca uygulaman\u0131z\u0131n h\u0131z\u0131n\u0131 art\u0131rmakla kalmaz, ayn\u0131 zamanda daha sa\u011flam, \u00f6l\u00e7eklenebilir ve kullan\u0131c\u0131 dostu sistemler geli\u015ftirmenize olanak tan\u0131r. Python’\u0131n basit ve okunabilir s\u00f6zdizimi sayesinde, bu g\u00fc\u00e7l\u00fc e\u015fzamanl\u0131l\u0131k ara\u00e7lar\u0131n\u0131 \u00f6\u011frenmek ve uygulamak d\u00fc\u015f\u00fcnd\u00fc\u011f\u00fcn\u00fczden \u00e7ok daha kolayd\u0131r. Bu makale boyunca, bu ara\u00e7lar\u0131 nas\u0131l kullanaca\u011f\u0131n\u0131z\u0131 ve uygulaman\u0131z\u0131n “gizli ya\u015fam\u0131n\u0131” nas\u0131l daha verimli hale getirece\u011finizi ad\u0131m ad\u0131m ke\u015ffedece\u011fiz.<\/p>\n Python’da engellemeyen kod yazmaya ba\u015flamadan \u00f6nce, baz\u0131 temel kavramlar\u0131 anlamak \u00f6nemlidir. Bu kavramlar, Executor’lar\u0131n nas\u0131l \u00e7al\u0131\u015ft\u0131\u011f\u0131n\u0131 ve hangi durumlarda hangi arac\u0131 kullanman\u0131z gerekti\u011fini belirlemenize yard\u0131mc\u0131 olacakt\u0131r.<\/p>\n Engelleme, bir g\u00f6revin (\u00f6rne\u011fin, bir a\u011f iste\u011fi veya dosya okuma) tamamlanmas\u0131n\u0131 beklerken ana program\u0131n veya i\u015f par\u00e7ac\u0131\u011f\u0131n\u0131n duraklamas\u0131 anlam\u0131na gelir. Bu s\u00fcre zarf\u0131nda CPU bo\u015ftad\u0131r ve di\u011fer g\u00f6revler y\u00fcr\u00fct\u00fclemez. Engellememe ise, bir g\u00f6revin tamamlanmas\u0131n\u0131 beklemek yerine, o g\u00f6revi arka plana atarak ana program\u0131n di\u011fer i\u015flere devam etmesi durumudur. G\u00f6rev tamamland\u0131\u011f\u0131nda bir bildirim veya sonu\u00e7 beklenir.<\/p>\n<\/li>\n Python’\u0131n e\u015fzamanl\u0131l\u0131k d\u00fcnyas\u0131nda GIL, \u00f6nemli bir kavramd\u0131r. GIL, bir anda yaln\u0131zca tek bir i\u015f par\u00e7ac\u0131\u011f\u0131n\u0131n (thread) Python bytecode’unu y\u00fcr\u00fctmesine izin veren bir mekanizmad\u0131r. Bu, \u00e7ok \u00e7ekirdekli i\u015flemcilerde bile Python’daki i\u015f par\u00e7ac\u0131klar\u0131n\u0131n (threading mod\u00fcl\u00fc) “ger\u00e7ek” paralelizm sa\u011flamas\u0131n\u0131 engeller. Yani, CPU yo\u011fun i\u015flemlerde Python’da e\u015fzamanl\u0131 g\u00f6revleri y\u00f6netmenin modern ve tavsiye edilen yolu Bu temel kavramlar\u0131 anlad\u0131ktan sonra, Python uygulamalar\u0131n\u0131zda engellemeyen kod stratejilerini daha bilin\u00e7li bir \u015fekilde uygulayabilirsiniz. Hangi Executor’\u0131 se\u00e7ece\u011finiz, g\u00f6revinizin I\/O ba\u011fl\u0131 m\u0131 yoksa CPU ba\u011fl\u0131 m\u0131 oldu\u011funa ba\u011fl\u0131 olacakt\u0131r. I\/O ba\u011fl\u0131 g\u00f6revler i\u00e7in I\/O (Giri\u015f\/\u00c7\u0131k\u0131\u015f) ba\u011fl\u0131 i\u015flemler, ad\u0131ndan da anla\u015f\u0131laca\u011f\u0131 gibi, i\u015flemcinin hesaplama g\u00fcc\u00fcnden \u00e7ok, d\u0131\u015f kaynaklarla (a\u011f, disk, veritaban\u0131 vb.) ileti\u015fim kurma s\u00fcresine ba\u011fl\u0131 olan g\u00f6revlerdir. Bir web sitesinden veri \u00e7ekmek, bir API’ye istek g\u00f6ndermek, diskten b\u00fcy\u00fck bir dosyay\u0131 okumak veya yazmak, veritaban\u0131 sorgular\u0131 \u00e7al\u0131\u015ft\u0131rmak bu t\u00fcr g\u00f6revlere \u00f6rnek verilebilir. Bu t\u00fcr i\u015flemler s\u0131ras\u0131nda Python program\u0131n\u0131z, d\u0131\u015f kaynaktan yan\u0131t gelene kadar beklemek zorunda kal\u0131r ve bu bekleme s\u00fcresi boyunca CPU genellikle bo\u015ftad\u0131r. \u0130\u015fte tam da bu noktada Bir senaryo d\u00fc\u015f\u00fcnelim: Bir e-ticaret sitesi i\u00e7in birden fazla \u00fcr\u00fcn sayfas\u0131n\u0131n ba\u015fl\u0131\u011f\u0131n\u0131 ve fiyat\u0131n\u0131 \u00e7ekmeniz gerekiyor. Her sayfa \u00e7ekme i\u015flemi bir a\u011f \u00e7a\u011fr\u0131s\u0131 gerektirece\u011finden bu bir I\/O ba\u011fl\u0131 g\u00f6revdir. Geleneksel (seri) y\u00f6ntemle her sayfay\u0131 tek tek \u00e7ekersek, toplam s\u00fcre t\u00fcm sayfalar\u0131n indirilme s\u00fcrelerinin toplam\u0131 olacakt\u0131r. Ancak concurrent.futures<\/code> mod\u00fcl\u00fc alt\u0131nda sunulan Executor’lar, bu engelleme sorununu zarif ve verimli bir \u015fekilde \u00e7\u00f6zmek i\u00e7in g\u00fc\u00e7l\u00fc ara\u00e7lar sunar.<\/p>\nTemel Kavramlar: Engellemeyen Kod ve Python’\u0131n Konkurent D\u00fcnya’s\u0131<\/h2>\n
\n
\n
ThreadPoolExecutor<\/code> kullanmak, performans\u0131 \u00e7o\u011fu zaman beklenen kadar art\u0131rmaz. Ancak GIL, I\/O yo\u011fun i\u015flemleri etkilemez; \u00e7\u00fcnk\u00fc bir i\u015f par\u00e7ac\u0131\u011f\u0131 I\/O beklerken GIL’i serbest b\u0131rak\u0131r ve di\u011fer i\u015f par\u00e7ac\u0131klar\u0131n\u0131n \u00e7al\u0131\u015fmas\u0131na izin verir.<\/p>\n<\/li>\nconcurrent.futures<\/code> Mod\u00fcl\u00fc:<\/strong><\/p>\nconcurrent.futures<\/code> mod\u00fcl\u00fcd\u00fcr. Bu mod\u00fcl, g\u00f6revleri i\u015f par\u00e7ac\u0131klar\u0131 veya s\u00fcre\u00e7ler havuzuna g\u00f6ndermeyi soyutlar. \u00d6zellikle karma\u015f\u0131k threading<\/code> veya multiprocessing<\/code> API’lerini do\u011frudan kullanmak yerine, daha y\u00fcksek seviyeli ve kullan\u0131m\u0131 kolay bir aray\u00fcz sunar. \u0130ki ana s\u0131n\u0131f\u0131 vard\u0131r: ThreadPoolExecutor<\/code> (i\u015f par\u00e7ac\u0131klar\u0131 havuzu i\u00e7in) ve ProcessPoolExecutor<\/code> (s\u00fcre\u00e7ler havuzu i\u00e7in).<\/p>\n<\/li>\n<\/ul>\nThreadPoolExecutor<\/code> genellikle yeterliyken, CPU ba\u011fl\u0131 g\u00f6revler i\u00e7in GIL’i a\u015fmak ad\u0131na ProcessPoolExecutor<\/code> kullanmak \u00e7ok daha mant\u0131kl\u0131d\u0131r. Bu ayr\u0131m, uygulaman\u0131z\u0131n performans\u0131n\u0131 optimize etmede kilit rol oynar.<\/p>\nThreadPoolExecutor ile I\/O Ba\u011fl\u0131 \u0130\u015flemleri H\u0131zland\u0131rma: Bir Vaka Analizi<\/h2>\n
ThreadPoolExecutor<\/code> devreye girer ve uygulaman\u0131z\u0131n yan\u0131t verme h\u0131z\u0131n\u0131 inan\u0131lmaz derecede art\u0131rabilir.<\/p>\nThreadPoolExecutor<\/code>, belirli bir say\u0131da i\u015f par\u00e7ac\u0131\u011f\u0131ndan (thread) olu\u015fan bir havuz (pool) olu\u015fturur. Siz ona g\u00f6revler verdi\u011finizde, bu g\u00f6revleri havuzdaki bo\u015fta olan bir i\u015f par\u00e7ac\u0131\u011f\u0131na atar. Bir i\u015f par\u00e7ac\u0131\u011f\u0131 I\/O i\u015flemi beklerken, Python’\u0131n Global Interpreter Lock (GIL) serbest b\u0131rak\u0131l\u0131r ve di\u011fer i\u015f par\u00e7ac\u0131klar\u0131n\u0131n (e\u011fer varsa) Python kodunu y\u00fcr\u00fctmesine izin verilir. Bu sayede, ayn\u0131 anda birden fazla I\/O i\u015flemi ba\u015flat\u0131labilir ve program\u0131n\u0131z\u0131n genel ilerlemesi duraksamaz. Bu, Python’\u0131n GIL k\u0131s\u0131tlamas\u0131n\u0131n I\/O ba\u011fl\u0131 g\u00f6revler \u00fczerindeki etkisini etkin bir \u015fekilde a\u015fman\u0131n en yayg\u0131n ve en pratik yoludur.<\/p>\nAd\u0131m Ad\u0131m ThreadPoolExecutor Kullan\u0131m\u0131 Nas\u0131l Yap\u0131l\u0131r?<\/h3>\n
ThreadPoolExecutor<\/code> ile bu indirme i\u015flemlerini e\u015fzamanl\u0131 hale getirebilir ve s\u00fcreyi \u00f6nemli \u00f6l\u00e7\u00fcde k\u0131saltabiliriz.<\/p>\n\nimport requests\nfrom concurrent.futures import ThreadPoolExecutor, as_completed\nimport time\n\ndef fetch_page_title(url):\n \"\"\"Belirtilen URL'den sayfa ba\u015fl\u0131\u011f\u0131n\u0131 \u00e7eker.\"\"\"\n try:\n response = requests.get(url, timeout=5) # 5 saniye zaman a\u015f\u0131m\u0131\n response.raise_for_status() # HTTP hatalar\u0131 i\u00e7in hata f\u0131rlat\n # Basit bir ba\u015fl\u0131k \u00e7ekme \u00f6rne\u011fi, ger\u00e7ekte HTML parse edilebilir\n title_start = response.text.find(\"