29.python 线程互斥锁Lock

Posted 2021-04-24 猿说python

python基础 - 线程互斥锁Lock

      在前一篇文章 python线程创建和传参 中我们介绍了关于python线程的一些简单函数使用和线程的参数传递，使用多线程可以同时执行多个任务，提高开发效率。

正文共：4767 字 

预计阅读时间： 12 分钟

在实际开发中往往我们会碰到线程同步问题，假如有这样一个场景：对全局变量累加1000000次，为了提高效率，我们可以使用多线程完成，示例代码如下：

# !usr/bin/env python
# -*- coding:utf-8 _*-
"""
@Author:何以解忧
@Blog(个人博客地址): shuopython.com
@WeChat Official Account(微信公众号)：猿说python
@Github:www.github.com

@File:python_thread_lock.py
@Time:2019/10/17 21:22

@Motto:不积跬步无以至千里，不积小流无以成江海，程序人生的精彩需要坚持不懈地积累！
"""
# 导入线程threading模块
import threading

# 声明全局变量
g_num = 0

def my_thread1():

    # 声明全局变量
    global g_num
    # 循环 1000000 次，每次累计加 1
    for i in range(0,1000000):
        g_num = g_num + 1

def my_thread2():

    # 声明全局变量
    global g_num
    # 循环 1000000 次，每次累计加 1
    for i in range(0,1000000):
        g_num = g_num + 1

def main(i):

    # 声明全局变量
    global g_num
    # 初始化全局变量，初始值为 0
    g_num = 0
    # 创建两个线程，对全局变量进行累计加 1
    t1 = threading.Thread(target=my_thread1)
    t2 = threading.Thread(target=my_thread2)

    # 启动线程
    t1.start()
    t2.start()
    # 阻塞函数，等待线程结束
    t1.join()
    t2.join()
    # 获取全局变量的值
    print("第%d次计算结果：%d "% (i,g_num))

if __name__ == "__main__":

    # 循环4次，调用main函数，计算全局变量的值
    for i in range(1,5):
        main(i)

输出结果：

第1次计算结果：1262996
第2次计算结果：1661455
第3次计算结果：1300211
第4次计算结果：1563699

what ? 这是什么操作？？看着代码好像也没问题，两个线程，各自累加1000000次，不应该输出是2000000次吗？而且调用了4次main函数，每次输出的结果还不同！！

 

 

一.线程共享全局变量

分析下上面的代码：两个线程共享全局变量并执行for循环1000000，每次自动加1，我们都知道两个线程都是同时在运行，也就是说两个线程同时在执行 g_num = g_num + 1 操作, 经过我们冷静分析一波，貌似结果还是应该等于2000000，对不对？

 

 

首先，我们将上面全局变量自动加 1 的代码分为两步：

第一步：g_num + 1
第二步：将 g_num + 1 的结果赋值给 g_num

由此可见，执行一个完整的自动加1过程需要两步，然而线程却是在同时运行，谁也不能保证线程1的第一步和第二步执行完成之后才执行线程2的第一步和第二步，执行的过程充满随机性，这就是导致每次计算结果不同的原因所在！

举个简单的例子：

假如当前 g_num 值是100，当线程1执行第一步时，cpu通过计算获得结果101，并准备把计算的结果101赋值给g_num，然后再传值的过程中，线程2突然开始执行了并且执行了第一步，此时g_num的值仍未100，101还在传递的过程中，还没成功赋值，线程2获得计算结果101，并准备传递给g_num,经过一来一去这么一折腾，分明做了两次加 1 操作，g_num结果却是101，误差就由此产生，往往循环次数越多，产生的误差就越大。

 

 

二.线程互斥锁

为了避免上述问题，我们可以利用线程互斥锁解决这个问题。那么互斥锁到底是个什么原理呢？互斥锁就好比排队上厕所，一个坑位只能蹲一个人，只有占用坑位的人完事了，另外一个人才能上！

1.创建互斥锁

导入线程模块，通过 threading.Lock() 创建互斥锁.

# 导入线程threading模块
import threading

# 创建互斥锁
mutex = threading.Lock()

 

2.锁定资源/解锁资源

acquire() — 锁定资源，此时资源是锁定状态，其他线程无法修改锁定的资源，直到等待锁定的资源释放之后才能操作；

release() — 释放资源，也称为解锁操作，对锁定的资源解锁，解锁之后其他线程可以对资源正常操作;

 

以上面的代码为列子：想得到正确的结果，可以直接利用互斥锁在全局变量 加1 之前 锁定资源，然后在计算完成之后释放资源，这样就是一个完整的计算过程，至于应该是哪个线程先执行，无所谓，先到先得，凭本事说话….演示代码如下：

# !usr/bin/env python
# -*- coding:utf-8 _*-
"""
@Author:何以解忧
@Blog(个人博客地址): shuopython.com
@WeChat Official Account(微信公众号)：猿说python
@Github:www.github.com

@File:python_thread_lock.py
@Time:2019/10/18 21:22

@Motto:不积跬步无以至千里，不积小流无以成江海，程序人生的精彩需要坚持不懈地积累！
"""
# 导入线程threading模块
import threading

# 声明全局变量
g_num = 0
# 创建互斥锁
mutex = threading.Lock()

def my_thread1():

    # 声明全局变量
    global g_num
    # 循环 1000000 次，每次累计加 1
    for i in range(0,1000000):
        # 锁定资源
        mutex.acquire()
        g_num = g_num + 1
        # 解锁资源
        mutex.release()

def my_thread2():

    # 声明全局变量
    global g_num
    # 循环 1000000 次，每次累计加 1
    for i in range(0,1000000):
        # 锁定资源
        mutex.acquire()
        g_num = g_num + 1
        # 解锁资源
        mutex.release()

def main(i):

    # 声明全局变量
    global g_num
    # 初始化全局变量，初始值为 0
    g_num = 0
    # 创建两个线程，对全局变量进行累计加 1
    t1 = threading.Thread(target=my_thread1)
    t2 = threading.Thread(target=my_thread2)

    # 启动线程
    t1.start()
    t2.start()
    # 阻塞函数，等待线程结束
    t1.join()
    t2.join()
    # 获取全局变量的值
    print("第%d次计算结果：%d "% (i,g_num))

if __name__ == "__main__":

    # 循环4次，调用main函数，计算全局变量的值
    for i in range(1,5):
        main(i)

输出结果：

第1次计算结果：2000000 
第2次计算结果：2000000 
第3次计算结果：2000000 
第4次计算结果：2000000

由此可见，全局变量计算加上互斥锁之后，不论执行多少次，计算结果都相同。注意：互斥锁一旦锁定之后要记得解锁，否则资源会一直处于锁定状态；

 

三.线程死锁

1.单个互斥锁的死锁：acquire()/release() 是成对出现的，互斥锁对资源锁定之后就一定要解锁，否则资源会一直处于锁定状态，其他线程无法修改；就好比上面的代码，任何一个线程没有释放资源release()，程序就会一直处于阻塞状态(在等待资源被释放)，不信你可以试一试~

2.多个互斥锁的死锁：在同时操作多个互斥锁的时候一定要格外小心，因为一不小心就容易进入死循环，假如有这样一个场景：boss让程序员一实现功能一的开发，让程序员二实现功能二的开发，功能开发完成之后一起整合代码！

# 导入线程threading模块
import threading
# 导入线程time模块
import time


# 创建互斥锁
mutex_one = threading.Lock()
mutex_two = threading.Lock()

def programmer_thread1():

    mutex_one.acquire()
    print("我是程序员1，module1开发正式开始，谁也别动我的代码")
    time.sleep(2)

    # 此时会堵塞，因为这个mutex_two已经被线程programmer_thread2抢先上锁了,等待解锁
    mutex_two.acquire()
    print("等待程序员2通知我合并代码")
    mutex_two.release()

    mutex_one.release()

def programmer_thread2():
    mutex_two.acquire()
    print("我是程序员2，module2开发正式开始，谁也别动我的代码")
    time.sleep(2)

    # 此时会堵塞，因为这个mutex_one已经被线程programmer_thread1抢先上锁了,等待解锁
    mutex_one.acquire()
    print("等待程序员1通知我合并代码")
    mutex_one.release()

    mutex_two.release()

def main():

    t1 = threading.Thread(target=programmer_thread1)
    t2 = threading.Thread(target=programmer_thread2)

    # 启动线程
    t1.start()
    t2.start()
    # 阻塞函数，等待线程结束
    t1.join()
    t2.join()
    # 整合代码结束
    print("整合代码结束 ")

if __name__ == "__main__":

    main()

输出结果：

我是程序员1，module1开发正式开始，谁也别动我的代码
我是程序员2，module2开发正式开始，谁也别动我的代码

分析下上面代码：程序员1在等程序员2通知，程序员2在等程序员1通知，两个线程都陷入阻塞中，因为两个线程都在等待对方解锁，这就是死锁！所以在开发中对于死锁的问题还是需要多多注意！

 

四.重点总结

1.线程与线程之间共享全局变量需要设置互斥锁；

2.注意在互斥锁操作中 acquire()/release() 成对出现,避免造成死锁；

 

 

猜你喜欢: