Python線程和鎖是什么

本篇內(nèi)容主要講解“Python線程和鎖是什么”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實(shí)用性強(qiáng)。下面就讓小編來帶大家學(xué)習(xí)“Python線程和鎖是什么”吧!

概述

線程和鎖是硬件底層的軟件定義形式化，因此包含最簡單的可能并發(fā)模型。它構(gòu)成了其他構(gòu)建在其頂層的并發(fā)抽象基礎(chǔ)，因此理解這一點(diǎn)很重要。然而，直接在這些基礎(chǔ)上構(gòu)建可靠，可擴(kuò)展的系統(tǒng)是很困難的或著說是不可能的。

雖然大多數(shù)語言都支持線程和鎖，但CPython仍然使用全局解釋器鎖來防止線程同時訪問共享內(nèi)存，因?yàn)镃Python的內(nèi)存管理是非線程安全的。雖然阻塞操作發(fā)生在GIL之外并且可能提高性能，但是線程切換所需的系統(tǒng)調(diào)用開銷可能會降低性能。這意味著Python中的線程主要用于I/O受限的場景，而不是CPU受限的場景。

說句題外話，我提到了CPython，因?yàn)镻ython規(guī)范的其他部分實(shí)現(xiàn)，例如Jython，沒有全局解釋器鎖。然而，這些實(shí)現(xiàn)在實(shí)踐中并沒有被廣泛使用，因?yàn)?**：沒有人想要支持多Python實(shí)現(xiàn)，除非他們不得不這樣;第二：它們還不夠豐富;第三：由于需要原生支持C/C++擴(kuò)展API，Python語言定義與C/C++緊密耦合，與其說是技術(shù)規(guī)范不如說是一個參考實(shí)現(xiàn)。

Python通過高級模塊threading模塊和低級模塊_thread直接支持線程。想要獲得更多有關(guān)這些模塊如何工作的信息，可以在線獲取源代碼。

入門

Python中典型的單線程“Hello World”執(zhí)行非常簡單：

多線程模擬并沒有太大的不同：

基于我有限數(shù)量的測試，上面的腳本運(yùn)行結(jié)果如下所示：

我用了get_ident()打印“線程標(biāo)識符”(一個魔法值，除了在運(yùn)行時消除不同線程之間的歧義之外，沒有任何意義)。你可以看到在某些情況下，線程標(biāo)識符是如何不同的，而在其他一些情況下，線程標(biāo)識符又是相同的。相同的線程標(biāo)識符并不意味著仍工作在同一個線程上，但如果工作不重疊并且不需要不同的線程標(biāo)識符，Python會重新使用該標(biāo)識符。

陷阱：時序性和一致性

如果你用threading.current_thread().getName()將線程標(biāo)識符與線程名交換，你可能會獲得有序結(jié)果，很大的原因可能是因?yàn)槊總€線程使用相同的函數(shù)和源碼路徑，因此，每個線程之間的延遲差異是微不足道的，僅次于解釋器的延遲。然而，這并不意味著有序執(zhí)行能夠得到保證;這是WikiBooks上“Python  Programming”的一個例子，其中每個線程的創(chuàng)建和每個線程的執(zhí)行具有明顯不同的時序性：

以下結(jié)果是同一個樣本運(yùn)行的輸出：

這日志表示線程創(chuàng)建/執(zhí)行是交錯的。由于增加功能的可變性增加，隨著線程創(chuàng)建和執(zhí)行之間的時序越來越不一致，這些結(jié)果將變得越來越不可預(yù)測。但原理仍然是相同的;使用多個線程時無法保證一致的行為。

陷阱：訪問共享內(nèi)存

當(dāng)不同的線程訪問共享內(nèi)存時，這可能導(dǎo)致不正確的行為。你可以擴(kuò)展此示例以在使用多個線程進(jìn)行計(jì)數(shù)時查看競爭條件：

這會在一次示例運(yùn)行時生成如下輸出：

此結(jié)果因創(chuàng)建的線程數(shù)而異，但你可以看到結(jié)果28與預(yù)期值100有多大區(qū)別。Counter().count是非線程安全的，在這里進(jìn)行了演示(如果你有與我不同的機(jī)器，你可能會得到與28不同的結(jié)果)。如果遇到競爭條件，沒有足夠的日志記錄，可能很難找到相關(guān)的代碼部分。

陷阱：死鎖

當(dāng)兩個代理嘗試獲取共享內(nèi)存的相同區(qū)域時，最終就會發(fā)生死鎖。當(dāng)在處理線程和鎖的低級抽象時，唯一的解決方案是確保每個代理有一種方法能正確地管理其鎖，或者具有鎖協(xié)調(diào)的整體規(guī)范。例如，用餐哲學(xué)問題強(qiáng)調(diào)了流程同步的重要性。Rosetta  Code的用餐哲學(xué)python解決方案解決了這個同步問題：如果你(代理)不能及時獲取這兩個分叉，你可以釋放你已經(jīng)擁有的任何叉子，以便另一個代理可以同時獲得這兩個叉子。

此方法不排除其他鎖定方法，像鎖定順序，或涉及流程同步的系統(tǒng)設(shè)計(jì)，像使用信號量的生產(chǎn)者-消費(fèi)者模型，但在Python中可能不如在其他語言中普遍。

陷阱：異形方法和依賴關(guān)系

如果要在Python應(yīng)用程序中應(yīng)用多線程，那么你希望保證整個堆棧的正確性，你必須手動驗(yàn)證核實(shí)線程安全性和依賴項(xiàng)的線程模型。有些為企業(yè)級多服務(wù)環(huán)境使用而設(shè)計(jì)的依賴項(xiàng)，例如redis，可以在設(shè)計(jì)階段首先考慮它們的并發(fā)模型(請參閱黑客新聞antirez關(guān)于多線程版本redis的評論)。有些依賴可能不會;使用boto2時，并行使用multiprocessing.pool.Pool從S3并行下載文件時，我可能遇到了死鎖，這需要重寫一個函數(shù)。因此，另一個依賴性的困難出現(xiàn)了;它們無法被同化，這意味著如果你在你的應(yīng)用使用依賴模型之前沒有驗(yàn)證所有將使用的依賴關(guān)系，那么在嘗試為特定用途添加依賴項(xiàng)時，你可能陷入項(xiàng)目的死胡同。

多線程日志記錄

如果你選擇使用Python中的原生線程模型，你可能會驚喜地發(fā)現(xiàn)logging模塊不僅是線程安全的，而且還支持從任何特定線程或進(jìn)程進(jìn)行日志記錄(示例在logging手冊)。然后，難點(diǎn)是在你的應(yīng)用程序中哪里更可能觸發(fā)異常，這如何影響你的線程模型以及確保在這些代碼段周圍進(jìn)行可靠的日志記錄。將日志添加到你的應(yīng)用可能會產(chǎn)生不小的延遲，正如pylint通過警告模塊logging-lazy-interpolation通知你那樣，這也可能會給你的線程模型帶來困難。

concurrent.futures

在撰寫這篇文章時發(fā)現(xiàn)Python

multiprocessing.pool.ThreadPool實(shí)現(xiàn)從未被記錄或測試過，因?yàn)樗鼜奈赐瓿?，這讓我感覺非常不愉快。它在Python3.7中仍然還是這樣，因?yàn)樗霈F(xiàn)在GitHub鏡像的源代碼中。鑒于全局解釋器鎖的無所不在，以及未來并發(fā)程序主要是并行I/O相關(guān)的工作，使用Python3.x中提供的像concurrent.futures.Executor或類似的新異步模式可能更有意義，因?yàn)樗麄兏妗Ｎ覜]有使用過這個模塊，但我想與multiprocessing相比，它不會產(chǎn)生顯著的性能損耗。

到此，相信大家對“Python線程和鎖是什么”有了更深的了解，不妨來實(shí)際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！