互斥锁解决 Python 中多线程共享全局变量的问题(推荐)_Python

一、同步概念

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，在这里，"同"字应是指协同、协助、互相配合。

线程同步，可理解为线程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。

之前我们遇到过，如果多个线程共同对某个数据修改，则可能出现不可预料的结果，为了保证数据的正确性，需要对多个线程进行同步。

解决线程同时修改全局变量的方式

我们先把上次那个问题再看下。

									import threading

									import time

									g_num = 0

									def 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("---线程创建之前g_num is %d---" % g_num)

									t1 = threading.Thread(target=work1, args=(1000000,))

									t1.start()

									t2 = threading.Thread(target=work2, args=(1000000,))

									t2.start()

									# 确保子线程都运行结束

									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)

运行结果：

---线程创建之前g_num is 0---
----in work2, g_num is 1048576---
----in work1, g_num is 1155200---
2个线程对同一个全局变量操作之后的最终结果是:1155200

对于这个计算错误的问题，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 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。

思路基本是这个样子，那代码怎么来实现呢？

二、互斥锁解决资源竞争的问题

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，最简单的同步机制就是引入互斥锁。

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。

互斥锁解决 Python 中多线程共享全局变量的问题(推荐)

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。

示例：

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)