파이썬에서 연산과정 중 자원을 분배해서 계산 속도를 빠르게 올리기 위해 사용하는 기법이다. Thred 즉 CPU의 Core와 연관돼 있는 개념이다. 파이썬은 절차형 언어라서 한 라인 명령어를 수행하고 다음 라인으로 넘어간다. 즉, 앞에 있는 계산이 끝나지 않는다면 다음 명령을 수행할 수 없다. 하지만 쓰레드 작업, 병렬처리 작업을 진행하면, 각각의 작업이 동시에 진행된다. 간단한 코드를 통해 예시를 확인해보자
기본 예시
# 작업 함수 1
def func1(num):
cnt = 0
while cnt < num :
print('작업함수1')
cnt += 1
# 작업 함수 2
def func2(num):
cnt = 0
while cnt < num :
print('작업함수2')
cnt += 1
위와 같은 함수를 구현해보고 함수1과 2를 차례로 실행해보자 총 10만번 작업을 수행할 것이다.
# 시간을 재기 위해서 time 라이브러리 사용
import time
# 시작 시간
start = time.time()
func1(100000)
func2(100000)
# 끝 시간
end = time.time()
# 총 걸린 시간
print('총 작업 시간 : ' + str(round((end-start),2)) + '초')
당연히 1번 함수부터 차례로 시작하고 2번 함수가 다음으로 이어지면서 마무리 된다. 총 걸리 시간은 10.82 초다.
그렇다면 병렬처리 작업을 하면 어떻게 될까요?
# multiprocessing 과 threading 둘 중에 마음에 들거나 편한걸 사용하면된다.
# 이번 예시에서는 threading 라이브러리를 사용하겠다
from multiprocessing import Process, Queue
from threading import Thread
num = 100000
thred1 = Thread(target=func1)
thred1.start()
thred2 = Thread(target=func2)
thred2.start()
이런 식으로 섞여서 나옵니다. 즉 첫 번째 함수를 먼저 다 실행하고 두 번째 함수를 실행하는 게 아니라 2가지 함수를 동시에 진행하는 작업입니다.
응용
이번에는 제가 텍스트 분석하는 작업에 Multiprocessing 쓰레드 작업을 적용해보겠습니다. 텍스트 분석 부분에서 형태소 분석기(Okt)를 활용해서 품사별로 나누고 필요없는 품사를 제거하는 작업이 생각보다 오래걸립니다. 이 작업에 병렬처리를 적용해보겠습니다.
▶ 병렬 처리 전 코드
# 텍스트 전처리 함수
def prepro_text(raw_data):
# 특수기호, 영어, 숫자 제거
prepro_texts = re.sub(r'[^가-힣]',' ',str(raw_data))
# 형태소 분석기 생성
okt = Okt()
# 조사와 복수표현 등 필요없는 품사 tag 제거
prepro_word = []
for word, tag in okt.pos(prepro_texts):
if tag not in ['Josa', 'Suffix']:
prepro_word.append(word)
# 어간 추출 적용
# result = ' '.join(okt.morphs(' '.join(prepro_word), stem=True))
# 어간 추출 X
result = ' '.join(prepro_word)
return result
# 각 자소서 질문별 텍스트 전처리
for q in df.columns[2:7] :
df[q] = df[q].map(prepro_text)
print('전처리 완료')
위 코드를 확인해 보시면, 총 5개 column에 대한 텍스트 데이터를 for문을 활용하여 차례차례 전처리 작업을 진행합니다. 그러다 보니 이 부분에서 시간이 오래 걸리고, 리소스를 많이 사용하게 되는데요. 이 부분을 병렬처리로 작업해보겠습니다.
▶ 병렬 처리 후 코드
# 텍스트 전처리
def text_preprocess(df, text, queue):
df[text] = df[text].map(prepro_text)
queue.put(df[text])
return df[text]
q = Queue()
# 텍스트 전처리
# 쓰레드 병렬 처리
for col in df.columns[2:7]:
thred = Process(target=text_preprocess, args=(df,col,q))
thred.start()
# queue 자료구조에 담은 데이터를 사용할 df에 적용
for col in df.columns[2:7]:
df[col] = pd.Series(q.get())
이렇게 간단하게 병렬 처리 가능합니다. Process() 메써드네 target, args라는 파라미터를 넣어줍니다. target은 우리가 작업할 함수를, args는 그 함수들이 필요로 하는 파라미터 값입니다.
소감
사실 아직 정확하게 활용하고 있지 못하다는 느낌이 강합니다. 쓰레드라는 개념, 병렬처리라는 개념은 어느 정도 이해했는데, 이 기법을 내 코드에 잘 적용하고 있는지는 아직 미지수로 보입니다. 좀 더 업그레이드 되면 다시 한 번 공유하겠습니다. 감사합니다.
