Python線程鎖Lock的使用介紹

這篇文章主要講解了“Python線程鎖Lock的使用介紹”，文中的講解內(nèi)容簡(jiǎn)單清晰，易于學(xué)習(xí)與理解，下面請(qǐng)大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“Python線程鎖Lock的使用介紹”吧！

我們知道Python的線程是封裝了底層操作系統(tǒng)的線程，在Linux系統(tǒng)中是Pthread(全稱為POSIX Thread)，在Windows中是Windows Thread。因此Python的線程是完全受操作系統(tǒng)的管理的。但是在計(jì)算密集型的任務(wù)中多線程反而比單線程更慢。

這是為什么呢？

在CPython 解釋器中執(zhí)行線程時(shí)，每一個(gè)線程開始執(zhí)行時(shí)，都會(huì)鎖住 GIL，以阻止別的線程執(zhí)行。同樣的，每一個(gè)線程執(zhí)行完一段后，會(huì)釋放 GIL，以允許別的線程開始利用資源。畢竟，如果Python線程在開始的時(shí)候鎖住GIL而不去釋放GIL，那別的線程就沒有運(yùn)行的機(jī)會(huì)了。

為什么要這么處理呢？

我們先來介紹下競(jìng)爭(zhēng)條件（race condition）這個(gè)概念。競(jìng)爭(zhēng)條件是指兩個(gè)或者多個(gè)線程同時(shí)競(jìng)爭(zhēng)訪問的某個(gè)資源（該資源本身不能被同時(shí)訪問），有可能因?yàn)闀r(shí)間上存在先后原因而出現(xiàn)問題，這種情況叫做競(jìng)爭(zhēng)條件（Race Condition）。（Python中進(jìn)程是有獨(dú)立的資源分配，線程是共用資源分配）

回到CPython上，CPython是使用引用計(jì)數(shù)器來管理內(nèi)存的，所有創(chuàng)建的對(duì)象，都會(huì)有一個(gè)引用計(jì)數(shù)來記錄有多少個(gè)指針指向它。如下所示：

a_val = []
def ReferCount():
 print(sys.getrefcount(a_val)) # 2
 b = a_val
 c = a_val
 print(sys.getrefcount(a_val)) # 4

當(dāng)引用計(jì)數(shù)為0時(shí)，CPython解釋器會(huì)自動(dòng)釋放內(nèi)存。這樣一來，如果有兩個(gè)Python線程同時(shí)引用了一個(gè)變量，就會(huì)造成引用計(jì)數(shù)的競(jìng)爭(zhēng)條件（race condition）。因此引用計(jì)數(shù)變量需要在兩個(gè)線程同時(shí)增加或減少時(shí)從競(jìng)爭(zhēng)條件中得到保護(hù)。如果發(fā)生了這種情況，可能會(huì)導(dǎo)致泄露的內(nèi)存永遠(yuǎn)不會(huì)被釋放，更嚴(yán)重的是當(dāng)一個(gè)對(duì)象的引用仍然存在的情況下錯(cuò)誤地釋放內(nèi)存，導(dǎo)致Python程序崩潰或帶來各種詭異的問題。

以下是官方給的解釋：
In CPython, the global interpreter lock, or GIL, is a mutex that prevents multiple native threads from executing Python bytecodes at once. This lock is necessary mainly because CPython’s memory management is not thread-safe. (However, since the GIL exists, other features have grown to depend on the guarantees that it enforces.)

如何繞過GIL的限制？

目前像NumPy的矩陣運(yùn)算這些高性能的應(yīng)用場(chǎng)景是通過C/C++來實(shí)現(xiàn)Python庫，可以避免CPython解釋器的GIL限制。另一方面，當(dāng)涉及到對(duì)性能非常嚴(yán)格的應(yīng)用場(chǎng)景時(shí)，可以把關(guān)鍵代碼用C/C++來實(shí)現(xiàn)，然后通過Python調(diào)用這些程序，以此擺脫GIL的限制。

有了GIL機(jī)制是否還需要考慮競(jìng)爭(zhēng)條件嗎？

GIL的設(shè)計(jì)是為了方便CPython解釋器層面的編寫者，而不是Python應(yīng)用層面的程序員。作為Python的使用者，我們還是需要用Lock等工具來鎖住資源，來確保線程安全。

接下來我們就介紹下如何使用Lock機(jī)制。

Lock的使用主要有以下幾個(gè)方法：

mutex = threading.Lock() # 創(chuàng)建鎖
mutex.acquire([timeout]) # 鎖定
mutex.release() # 釋放

例如以下例程：

g_count = 0
def func(str_val):
 global g_count
 for i in range(1000000):
 g_count += 1
 print(str_val+':g_count=%s' % g_count)
def test_func_lock():
 t1 = threading.Thread(target=func,args=['func1'])
 t2 = threading.Thread(target=func,args=['func2'])
 t1.start()
 t2.start()
 t1.join()
 t2.join()

最終返回的結(jié)果有這些情況：

func2:g_count=1509057 func1:g_count=1489782
func1:g_count=1305421 func2:g_count=1684556
func2:g_count=1545063 func1:g_count=1547995
……

理論上最后的結(jié)果應(yīng)該是2000000，由于線程被調(diào)用執(zhí)行的順序并不確定，同時(shí)存在執(zhí)行遞增語句時(shí)切換線程，導(dǎo)致最后的結(jié)果并不是正確結(jié)果。

我們通過建立一個(gè)線程鎖來解決這個(gè)問題。如下所示：

g_count = 0
lock = threading.Lock()
def func(str_val):
 global g_count
 for i in range(1000000):
 lock.acquire()
 g_count += 1
 lock.release()
 print(str_val+':g_count=%s' % g_count)

執(zhí)行結(jié)果為：func2:g_count=1988364 func1:g_count=2000000

比如線程t1使用lock.acquire()獲得了這個(gè)鎖，那么線程t2就無法再獲得該鎖了，只會(huì)阻塞在 lock.acquire()處，直到鎖被線程t1釋放，即執(zhí)行l(wèi)ock.release()。如此一來就不會(huì)出現(xiàn)執(zhí)行了一半就暫停去執(zhí)行別的線程的情況，最后結(jié)果是正確的2000000。

最后給大家推薦一個(gè)更精簡(jiǎn)的鎖的用法：

def threading_lock_test():
 # 創(chuàng)建鎖
 lock = threading.Lock()
 # 使用鎖的老方法
 lock.acquire()
 try:
 print('Critical section 1')
 print('Critical section 2')
 finally:
 lock.release()
 # 使用鎖的新方法
 with lock:
 print('Critical section 1')
 print('Critical section 2')

感謝各位的閱讀，以上就是“Python線程鎖Lock的使用介紹”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對(duì)Python線程鎖Lock的使用介紹這一問題有了更深刻的體會(huì)，具體使用情況還需要大家實(shí)踐驗(yàn)證。這里是億速云，小編將為大家推送更多相關(guān)知識(shí)點(diǎn)的文章，歡迎關(guān)注！