Thread python 同步变量 python同步执行

转载

goody 2023-06-25 17:00:03

文章标签 Thread python 同步变量 python 多线程同步互斥锁 文章分类 Python 后端开发

前言：本博文是对Python并发编程之线程的知识延伸，主要讲解：同步、互斥锁。

文章目录

一、同步的概念
二、解决线程同时修改全局变量的方式
三、互斥锁的概念
四、使用互斥锁完成2个线程对同一个全局变量各加100万次的操作
五、上锁解锁过程分析

一、同步的概念

同步就是协同步调，按预定的先后次序进行运行。 如：你说完，我再说。

"同"字从字面上容易理解为一起动作；其实不是，"同"字应是指协同、协助、互相配合。

如进程、线程同步，可理解为进程或线程A和B一块配合，A执行到一定程度时要依靠B的某个结果，于是停下来，示意B运行；B执行，再将结果给A；A再继续操作。

二、解决线程同时修改全局变量的方式

对于多线程共享全局变量的问题，可以通过线程同步来进行解决。思路如下：

系统调用t1，然后获取到g_num的值为0，此时上一把锁，即不允许其他线程操作g_num。
t1对g_num的值进行+1。
t1解锁，此时g_num的值为1，其他的线程就可以使用g_num了，而且是g_num的值不是0而是1。
同理其他线程在对g_num进行修改时，都要先上锁，处理完后再解锁，在上锁的整个过程中不允许其他线程访问，就保证了数据的正确性。

三、互斥锁的概念

当多个线程几乎同时修改某一个共享数据的时候，需要进行同步控制。

线程同步能够保证多个线程安全访问竞争资源，最简单的同步机制是引入互斥锁。

互斥锁为资源引入一个状态：锁定/非锁定

某个线程要更改共享数据时，先将其锁定，此时资源的状态为“锁定”，其他线程不能更改；直到该线程释放资源，将资源的状态变成“非锁定”，其他的线程才能再次锁定该资源。互斥锁保证了每次只有一个线程进行写入操作，从而保证了多线程情况下数据的正确性。

threading模块中定义了Lock类，可以方便的处理锁定：

# 创建锁
mutex = threading.Lock()

# 锁定
mutex.acquire()

# 释放
mutex.release()

注意：

如果这个锁之前是没有上锁的，那么acquire不会堵塞。
如果在调用acquire对这个锁上锁之前它已经被其他线程上了锁，那么此时acquire会堵塞，直到这个锁被解锁为止。

四、使用互斥锁完成2个线程对同一个全局变量各加100万次的操作

import threading
import time

g_num = 0


def test1(num):
    global g_num
    for i in range(num):
        mutex.acquire()  # 上锁
        g_num += 1
        mutex.release()  # 解锁

    print("---test1---g_num=%d" % g_num)


def test2(num):
    global g_num
    for i in range(num):
        mutex.acquire()  # 上锁
        g_num += 1
        mutex.release()  # 解锁

    print("---test2---g_num=%d" % g_num)


# 创建一个互斥锁
# 默认是未上锁的状态
mutex = threading.Lock()

# 创建2个线程，让他们各自对g_num加1000000次
p1 = threading.Thread(target=test1, args=(1000000,))
p1.start()

p2 = threading.Thread(target=test2, args=(1000000,))
p2.start()

# 等待计算完成
while len(threading.enumerate()) != 1:
    time.sleep(1)

print("2个线程对同一个全局变量操作之后的最终结果是:%s" % g_num)

Thread python 同步变量 python同步执行_Thread python 同步变量