python 線程互斥鎖Lock（29）

發(fā)布時間：2020-06-29 10:55:38 來源：網絡閱讀：184 作者：qq5d6f345f0205e 欄目：編程語言

在前一篇文章?python線程創(chuàng)建和傳參?中我們介紹了關于python線程的一些簡單函數(shù)使用和線程的參數(shù)傳遞，使用多線程可以同時執(zhí)行多個任務，提高開發(fā)效率，但是在實際開發(fā)中往往我們會碰到線程同步問題，假如有這樣一個場景：對全局變量累加1000000次，為了提高效率，我們可以使用多線程完成，示例代碼如下：

# !usr/bin/env python

# -*- coding:utf-8 _*-

"""

@Author:何以解憂

@Blog(個人博客地址): shuopython.com

@WeChat Official Account(微信公眾號)：猿說python

@Github:www.github.com

@File:python_thread_lock.py

@Time:2019/10/17 21:22

@Motto:不積跬步無以至千里，不積小流無以成江海，程序人生的精彩需要堅持不懈地積累！

"""

# 導入線程threading模塊

import threading

# 聲明全局變量

g_num = 0

def my_thread1():

????# 聲明全局變量

????global g_num

????# 循環(huán) 1000000 次，每次累計加 1

????for i in range(0,1000000):

????????g_num = g_num + 1

def my_thread2():

????# 聲明全局變量

????global g_num

????# 循環(huán) 1000000 次，每次累計加 1

????for i in range(0,1000000):

????????g_num = g_num + 1

def main(i):

????# 聲明全局變量

????global g_num

????# 初始化全局變量，初始值為 0

????g_num = 0

????# 創(chuàng)建兩個線程，對全局變量進行累計加 1

????t1 = threading.Thread(target=my_thread1)

????t2 = threading.Thread(target=my_thread2)

????# 啟動線程

????t1.start()

????t2.start()

????# 阻塞函數(shù)，等待線程結束

????t1.join()

????t2.join()

????# 獲取全局變量的值

????print("第%d次計算結果：%d "% (i,g_num))

if __name__ == "__main__":

????# 循環(huán)4次，調用main函數(shù)，計算全局變量的值

????for i in range(1,5):

????????main(i)

輸出結果：

第1次計算結果：1262996

第2次計算結果：1661455

第3次計算結果：1300211

第4次計算結果：1563699

what ? 這是什么操作？？看著代碼好像也沒問題，兩個線程，各自累加1000000次，不應該輸出是2000000次嗎？而且調用了4次main函數(shù)，每次輸出的結果還不同??！

python 線程互斥鎖Lock（29）

一.線程共享全局變量

分析下上面的代碼：兩個線程共享全局變量并執(zhí)行for循環(huán)1000000，每次自動加1，我們都知道兩個線程都是同時在運行，也就是說兩個線程同時在執(zhí)行 g_num = g_num + 1 操作, 經過我們冷靜分析一波，貌似結果還是應該等于2000000，對不對？

python 線程互斥鎖Lock（29）

首先，我們將上面全局變量自動加 1 的代碼分為兩步：

1 2	第一步：g_num + 1 第二步：將 g_num + 1 的結果賦值給 g_num

由此可見，執(zhí)行一個完整的自動加1過程需要兩步，然而線程卻是在同時運行，誰也不能保證線程1的第一步和第二步執(zhí)行完成之后才執(zhí)行線程2的第一步和第二步，執(zhí)行的過程充滿隨機性，這就是導致每次計算結果不同的原因所在！

舉個簡單的例子：

假如當前 g_num 值是100，當線程1執(zhí)行第一步時，cpu通過計算獲得結果101，并準備把計算的結果101賦值給g_num，然后再傳值的過程中，線程2突然開始執(zhí)行了并且執(zhí)行了第一步，此時g_num的值仍未100，101還在傳遞的過程中，還沒成功賦值，線程2獲得計算結果101，并準備傳遞給g_num,經過一來一去這么一折騰，分明做了兩次加 1 操作，g_num結果卻是101，誤差就由此產生，往往循環(huán)次數(shù)越多，產生的誤差就越大。

python 線程互斥鎖Lock（29）

二.線程互斥鎖

為了避免上述問題，我們可以利用線程互斥鎖解決這個問題。那么互斥鎖到底是個什么原理呢？互斥鎖就好比排隊上廁所，一個坑位只能蹲一個人，只有占用坑位的人完事了，另外一個人才能上！

python 線程互斥鎖Lock（29）

1.創(chuàng)建互斥鎖

導入線程模塊，通過?threading.Lock()?創(chuàng)建互斥鎖.

# 導入線程threading模塊

import threading

# 創(chuàng)建互斥鎖

mutex = threading.Lock()

2.鎖定資源/解鎖資源

acquire()?— 鎖定資源，此時資源是鎖定狀態(tài)，其他線程無法修改鎖定的資源，直到等待鎖定的資源釋放之后才能操作；

release()?— 釋放資源，也稱為解鎖操作，對鎖定的資源解鎖，解鎖之后其他線程可以對資源正常操作;

以上面的代碼為列子：想得到正確的結果，可以直接利用互斥鎖在全局變量加1 之前鎖定資源，然后在計算完成之后釋放資源，這樣就是一個完整的計算過程，至于應該是哪個線程先執(zhí)行，無所謂，先到先得，憑本事說話….演示代碼如下：

# !usr/bin/env python

# -*- coding:utf-8 _*-

"""

@Author:何以解憂

@Blog(個人博客地址): shuopython.com

@WeChat Official Account(微信公眾號)：猿說python

@Github:www.github.com

@File:python_thread_lock.py

@Time:2019/10/18 21:22

@Motto:不積跬步無以至千里，不積小流無以成江海，程序人生的精彩需要堅持不懈地積累！

"""

# 導入線程threading模塊

import threading

# 聲明全局變量

g_num = 0

# 創(chuàng)建互斥鎖

mutex = threading.Lock()

def my_thread1():

????# 聲明全局變量

????global g_num

????# 循環(huán) 1000000 次，每次累計加 1

????for i in range(0,1000000):

????????# 鎖定資源

????????mutex.acquire()

????????g_num = g_num + 1

????????# 解鎖資源

????????mutex.release()

def my_thread2():

????# 聲明全局變量

????global g_num

????# 循環(huán) 1000000 次，每次累計加 1

????for i in range(0,1000000):

????????# 鎖定資源

????????mutex.acquire()

????????g_num = g_num + 1

????????# 解鎖資源

????????mutex.release()

def main(i):

????# 聲明全局變量

????global g_num

????# 初始化全局變量，初始值為 0

????g_num = 0

????# 創(chuàng)建兩個線程，對全局變量進行累計加 1

????t1 = threading.Thread(target=my_thread1)

????t2 = threading.Thread(target=my_thread2)

????# 啟動線程

????t1.start()

????t2.start()

????# 阻塞函數(shù)，等待線程結束

????t1.join()

????t2.join()

????# 獲取全局變量的值

????print("第%d次計算結果：%d "% (i,g_num))

if __name__ == "__main__":

????# 循環(huán)4次，調用main函數(shù)，計算全局變量的值

????for i in range(1,5):

????????main(i)

輸出結果：

第1次計算結果：2000000

第2次計算結果：2000000

第3次計算結果：2000000

第4次計算結果：2000000

由此可見，全局變量計算加上互斥鎖之后，不論執(zhí)行多少次，計算結果都相同。注意：互斥鎖一旦鎖定之后要記得解鎖，否則資源會一直處于鎖定狀態(tài)；

三.線程死鎖

1.單個互斥鎖的死鎖：acquire()/release()?是成對出現(xiàn)的，互斥鎖對資源鎖定之后就一定要解鎖，否則資源會一直處于鎖定狀態(tài)，其他線程無法修改；就好比上面的代碼，任何一個線程沒有釋放資源release()，程序就會一直處于阻塞狀態(tài)(在等待資源被釋放)，不信你可以試一試~

2.多個互斥鎖的死鎖：在同時操作多個互斥鎖的時候一定要格外小心，因為一不小心就容易進入死循環(huán)，假如有這樣一個場景：boss讓程序員一實現(xiàn)功能一的開發(fā)，讓程序員二實現(xiàn)功能二的開發(fā)，功能開發(fā)完成之后一起整合代碼！

# 導入線程threading模塊

import threading

# 導入線程time模塊

import time

# 創(chuàng)建互斥鎖

mutex_one = threading.Lock()

mutex_two = threading.Lock()

def programmer_thread1():

????mutex_one.acquire()

????print("我是程序員1，module1開發(fā)正式開始，誰也別動我的代碼")

????time.sleep(2)

????# 此時會堵塞，因為這個mutex_two已經被線程programmer_thread2搶先上鎖了,等待解鎖

????mutex_two.acquire()

????print("等待程序員2通知我合并代碼")

????mutex_two.release()

????mutex_one.release()

def programmer_thread2():

????mutex_two.acquire()

????print("我是程序員2，module2開發(fā)正式開始，誰也別動我的代碼")

????time.sleep(2)

????# 此時會堵塞，因為這個mutex_one已經被線程programmer_thread1搶先上鎖了,等待解鎖

????mutex_one.acquire()

????print("等待程序員1通知我合并代碼")

????mutex_one.release()

????mutex_two.release()

def main():

????t1 = threading.Thread(target=programmer_thread1)

????t2 = threading.Thread(target=programmer_thread2)

????# 啟動線程

????t1.start()

????t2.start()

????# 阻塞函數(shù)，等待線程結束

????t1.join()

????t2.join()

????# 整合代碼結束

????print("整合代碼結束 ")

if __name__ == "__main__":

????main()

輸出結果：

1 2	我是程序員1，module1開發(fā)正式開始，誰也別動我的代碼我是程序員2，module2開發(fā)正式開始，誰也別動我的代碼

分析下上面代碼：程序員1在等程序員2通知，程序員2在等程序員1通知，兩個線程都陷入阻塞中，因為兩個線程都在等待對方解鎖，這就是死鎖！所以在開發(fā)中對于死鎖的問題還是需要多多注意！

四.重點總結

1.線程與線程之間共享全局變量需要設置互斥鎖；

2.注意在互斥鎖操作中?acquire()/release()?成對出現(xiàn),避免造成死鎖；