互斥鎖解決 Python 中多線程共享全局變量的問題(推薦)
一、同步概念
同步就是協(xié)同步調(diào),按預(yù)定的先后次序進(jìn)行運(yùn)行。如:你說完,我再說。
'同'字從字面上容易理解為一起動作。
其實(shí)不是,在這里,'同'字應(yīng)是指協(xié)同、協(xié)助、互相配合。
線程同步,可理解為線程A和B一塊配合,A執(zhí)行到一定程度時(shí)要依靠B的某個(gè)結(jié)果,于是停下來,示意B運(yùn)行;B執(zhí)行,再將結(jié)果給A;A再繼續(xù)操作。
之前我們遇到過,如果多個(gè)線程共同對某個(gè)數(shù)據(jù)修改,則可能出現(xiàn)不可預(yù)料的結(jié)果,為了保證數(shù)據(jù)的正確性,需要對多個(gè)線程進(jìn)行同步。
解決線程同時(shí)修改全局變量的方式
我們先把上次那個(gè)問題再看下。
import threadingimport timeg_num = 0def work1(num): global g_num for i in range(num): g_num += 1 print('----in work1, g_num is %d---' % g_num)def work2(num): global g_num for i in range(num): g_num += 1 print('----in work2, g_num is %d---' % g_num)print('---線程創(chuàng)建之前g_num is %d---' % g_num)t1 = threading.Thread(target=work1, args=(1000000,))t1.start()t2 = threading.Thread(target=work2, args=(1000000,))t2.start()# 確保子線程都運(yùn)行結(jié)束while len(threading.enumerate()) != 1: time.sleep(1)print('2個(gè)線程對同一個(gè)全局變量操作之后的最終結(jié)果是:%s' % g_num)
運(yùn)行結(jié)果:
---線程創(chuàng)建之前g_num is 0-------in work2, g_num is 1048576-------in work1, g_num is 1155200---2個(gè)線程對同一個(gè)全局變量操作之后的最終結(jié)果是:1155200
對于這個(gè)計(jì)算錯(cuò)誤的問題,可以通過線程同步來進(jìn)行解決。
思路,如下:
系統(tǒng)調(diào)用 t1,然后獲取到 g_num 的值為0,此時(shí)上一把鎖,即不允許其他線程操作 g_num。
t1 對 g_num 的值進(jìn)行+1。
t1 解鎖,此時(shí) g_num 的值為1,其他的線程就可以使用 g_num 了,而且 g_num 的值不是0而是1。
同理其他線程在對 g_num 進(jìn)行修改時(shí),都要先上鎖,處理完后再解鎖,在上鎖的整個(gè)過程中不允許其他線程訪問,就保證了數(shù)據(jù)的正確性。
思路基本是這個(gè)樣子,那代碼怎么來實(shí)現(xiàn)呢?
二、互斥鎖解決資源競爭的問題
當(dāng)多個(gè)線程幾乎同時(shí)修改某一個(gè)共享數(shù)據(jù)的時(shí)候,需要進(jìn)行同步控制。
線程同步能夠保證多個(gè)線程安全訪問競爭資源,最簡單的同步機(jī)制就是引入互斥鎖。
互斥鎖為資源引入一個(gè)狀態(tài):鎖定/非鎖定。
某個(gè)線程要更改共享數(shù)據(jù)時(shí),先將其鎖定,此時(shí)資源的狀態(tài)為“鎖定”,其他線程不能更改;直到該線程釋放資源,將資源的狀態(tài)變成“非鎖定”,其他的線程才能再次鎖定該資源。
互斥鎖保證了每次只有一個(gè)線程進(jìn)行寫入操作,從而保證了多線程情況下數(shù)據(jù)的正確性。

threading 模塊中定義了 Lock 類,可以方便的處理鎖定:
# 創(chuàng)建鎖mutex = threading.Lock()# 鎖定mutex.acquire()# 釋放mutex.release()
注意:
如果這個(gè)鎖之前是沒有上鎖的,那么 acquire 不會堵塞。
如果在調(diào)用 acquire 對這個(gè)鎖上鎖之前,它已經(jīng)被其他線程上了鎖,那么此時(shí) acquire 會堵塞,直到這個(gè)鎖被解鎖為止。
示例:
使用互斥鎖完成2個(gè)線程對同一個(gè)全局變量各加100萬次的操作。
import threadingimport timeg_num = 0def test1(num): global g_num for i in range(num): mutex.acquire() # 上鎖 g_num += 1 mutex.release() # 解鎖 print('---test1---g_num=%d' % g_num)def test2(num): global g_num for i in range(num): mutex.acquire() # 上鎖 g_num += 1 mutex.release() # 解鎖 print('---test2---g_num=%d' % g_num)# 創(chuàng)建一個(gè)互斥鎖# 默認(rèn)是未上鎖的狀態(tài)mutex = threading.Lock()# 創(chuàng)建2個(gè)線程,讓他們各自對g_num加1000000次p1 = threading.Thread(target=test1, args=(1000000,))p1.start()p2 = threading.Thread(target=test2, args=(1000000,))p2.start()# 等待計(jì)算完成while len(threading.enumerate()) != 1: time.sleep(1)print('2個(gè)線程對同一個(gè)全局變量操作之后的最終結(jié)果是:%s' % g_num)
運(yùn)行結(jié)果:
---test1---g_num=1989108---test2---g_num=20000002個(gè)線程對同一個(gè)全局變量操作之后的最終結(jié)果是:2000000
可以看到最后的結(jié)果,加入互斥鎖后,其結(jié)果與預(yù)期相符。
記住,上鎖的代碼范圍要越小越好。在業(yè)務(wù)邏輯正確的前提下,能鎖一行代碼,就不要鎖兩行。
上鎖解鎖過程
當(dāng)一個(gè)線程調(diào)用鎖的 acquire() 方法獲得鎖時(shí),鎖就進(jìn)入“l(fā)ocked”狀態(tài)。
每次只有一個(gè)線程可以獲得鎖。
如果此時(shí)另一個(gè)線程試圖獲得這個(gè)鎖,該線程就會變?yōu)椤癰locked”狀態(tài),稱為“阻塞”,直到擁有鎖的線程調(diào)用鎖的 release() 方法釋放鎖之后,鎖進(jìn)入“unlocked”狀態(tài)。
線程調(diào)度程序從處于同步阻塞狀態(tài)的線程中選擇一個(gè)來獲得鎖,并使得該線程進(jìn)入運(yùn)行(running)狀態(tài)。
總結(jié)
鎖的好處:
確保了某段關(guān)鍵代碼只能由一個(gè)線程從頭到尾完整地執(zhí)行。
鎖的壞處:
阻止了多線程并發(fā)執(zhí)行,包含鎖的某段代碼實(shí)際上只能以單線程模式執(zhí)行,效率就大大地下降了。
由于可以存在多個(gè)鎖,不同的線程持有不同的鎖,并試圖獲取對方持有的鎖時(shí),可能會造成死鎖。
到此這篇關(guān)于互斥鎖解決 Python 中多線程共享全局變量的問題的文章就介紹到這了,更多相關(guān)Python 多線程共享全局變量內(nèi)容請搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持好吧啦網(wǎng)!
相關(guān)文章:
1. Python 合并拼接字符串的方法2. python 網(wǎng)頁解析器掌握第三方 lxml 擴(kuò)展庫與 xpath 的使用方法3. vue 插槽簡介及使用示例4. JS中6個(gè)對象數(shù)組去重的方法5. Python計(jì)算任意多邊形間的重疊面積的示例代碼6. Python Scrapy圖片爬取原理及代碼實(shí)例7. windows下java -jar 后臺運(yùn)行以及殺死后臺進(jìn)程的操作8. Vue Element前端應(yīng)用開發(fā)之界面語言國際化9. SpringBoot整合Redis的步驟10. Vue實(shí)現(xiàn)動態(tài)樣式的多種方法匯總

網(wǎng)公網(wǎng)安備