python线程互斥锁Lock(29)

Posted shuopython

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了python线程互斥锁Lock(29)相关的知识,希望对你有一定的参考价值。

    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,但是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!!

 

技术图片

 

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?

 

技术图片

 

    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。

 

技术图片

 

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!

技术图片

    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:

    1.python线程创建和传参

    2.python函数-缺省参数

    3.python局部变量和全局变量

 

    转载请注明:猿说Python » Python线程互斥锁Lock 

 

技术交流、商务合作请直接联系博主
扫码或搜索:猿说python
技术图片
猿说python
微信公众号 扫一扫关注

以上是关于python线程互斥锁Lock(29)的主要内容,如果未能解决你的问题,请参考以下文章

Python 线程互斥锁 Lock

python-Lock锁线程同步和互斥

互斥锁 & 共享锁

Python进阶_进程与线程中的lock(互斥锁递归锁信号量)

第29课 互斥量与自解锁(std::mutex和lock系列)

ReentrantReadWriteLock场景应用