多线程--共享全局变量

于 2024-07-24 19:13:29 发布
阅读量865 收藏 19
点赞数 19
文章标签： python 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2301_80485760/article/details/140668061
版权

1、验证多线程是否共享全局变量

import threading
import time

#1.定义一个全局变量
g_num = 100
#2.定义2个函数，用他们来充当线程要执行的代码
def task1():
    global g_num
    for i in range(3):
        g_num += 1

    print("在task1中, g_num = %d---" % g_num)


def task2():
    global g_num
    print(" 在task2中, g_num =%d---" % g_num)


#3.创建线程对象


t1 = threading.Thread(target=task1)
t1.start()

#延时一会，保证t1线程中的事情做完，否则不能确定到底该运行哪一个线程，保证让task1里面的任务先执行完毕。

time.sleep(1)

t2 = threading.Thread(target=task2)
t2.start()
#4.调用start()创建线程，让线程开始运行

运行结果如下；

---线程创建之前g_num is 100---
----in work1, g_num is 103---
----in work2, g_num is 103---

小结：

  1. 如果一个程序有多个线程，每个线程可以单独执行自己的任务。
  2. 如果多个线程之间需要数据共享，最简单的方式，通过全局变量来实现。
  3. 一个线程修改全局变量，另外一个线程从全局变量中获取数据。
  4. 缺点：通过全局变量可以解决多个线程之间共享数据的问题。但是，如果使用数据不恰当，会导致数据错乱。例如有3个线程，其中第1、2个修改全局变量，而第3个线程获取了全局变量的值，可能会出现第一个线程刚刚将数据存放到了全局变量中，本意是想让第3个线程获取它的数据，因为操作系统的调度原因导致了线程3没有被调度，而第2个线程被调度了，恰巧第2个线程也对全局变量进行了修改，当第3个线程去读取数据的时候，读取到的是第2个线程的数据，而不是在第1个线程的数据。

2、列表当作实参传递到线程中

import threading
import time

def work1(nums):
    nums.append(44)
    print("----in work1---", nums)


def work2(nums):
    #延时一会，保证t1线程中的事情做完
    time.sleep(1)
    print("----in work2---", nums)

g_nums = [11,22,33]

t1 = threading.Thread(target=work1, args=(g_nums,))
t1.start()

t2 = threading.Thread(target=work2, args=(g_nums,))
t2.start()

运行结果如下：

----in work1--- [11, 22, 33, 44]
----in work2--- [11, 22, 33, 44]

3、多线程开发可能遇到的问题

假设两个线程t1和t2都要对全局变量g_num(默认是0)进行加1运算，t1和t2都各对g_num加10次，g_num的最终的结果应该为20。

但是由于是多线程同时操作，有可能出现下面情况：

  1. 在g_num=0时，t1取得g_num=0。此时系统把t1调度为”sleeping”状态，把t2转换为”running”状态，t2也获得g_num=0
  2. 然后t2对得到的值进行加1并赋给g_num，使得g_num=1
  3. 然后系统又把t2调度为”sleeping”，把t1转为”running”。线程t1又把它之前得到的0加1后赋值给g_num。
  4. 这样导致虽然t1和t2都对g_num加1，但结果仍然是g_num=1

3.1、每个线程+100

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=(100,))
t1.start()

t2 = threading.Thread(target=work2, args=(100,))
t2.start()

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 work1, g_num is 100---
----in work2, g_num is 200---
2个线程对同一个全局变量操作之后的最终结果是:200

3.2、每个线程+一百万，放大更能看出问题

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()

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 work1, g_num is 1088005--- ----in work2, g_num is 1286202--- 2个线程对同一个全局变量操作之后的最终结果是:1286202

4、互斥锁

4.1、作用：

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。

4.2、使用互斥锁

import  threading

# 创建锁
mutex = threading.Lock()

# 锁定
mutex.acquire()

# 释放
mutex.release()

小结：

  • 如果这个锁之前是没有上锁的，那么acquire不会堵塞（堵塞：理解为程序卡在这里等待某个条件满足）
  • 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

4.3、使用互斥锁解决资源竞争问题：

2个线程对同一个全局变量各加100万次

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)

运行结果：

---test1---g_num=1586698
---test2---g_num=2000000
2个线程对同一个全局变量操作之后的最终结果是:2000000

4.4、上锁解锁过程

每一个锁都有状态，当一个线程调用锁的acquire()方法获得锁时，锁就进入“locked”状态。

每次只有一个线程可以获得锁。如果此时另一个线程试图获得这个锁，该线程就会变为“blocked”状态，称为“阻塞”，直到拥有锁的线程调用锁的release()方法释放锁之后，即这个锁进入“unlocked”状态后，才能获取到这个锁

线程调度程序从处于同步阻塞状态的线程中选择一个来获得锁，并使得该线程进入运行（running）状态。

小结：

锁的好处：

  • 确保了某段关键代码同时只能由一个线程从头到尾完整地执行

锁的坏处：

  • 阻止了多线程并发执行，包含锁的某段代码实际上只能以单线程模式执行，效率就大大地下降了
  • 由于可以存在多个锁，不同的线程持有不同的锁，并试图获取对方持有的锁时，可能会造成死锁。

5、进程

进程：一个程序运行起来后，代码+用到的资源 称之为进程，它是操作系统分配资源的基本单元。

5.1、可以实现多任务

在python中使用使用进程实现多任务的方式有3种：

  1. 创建Process对象
  2. 基础Process类，创建自己的对象，实现run翻番
  3. 使用进程池

5.2、创建进程方式-1

multiprocessing模块是跨平台版本的多进程模块，提供了一个Process类来创建一个进程对象，这个对象可以理解为是一个独立的进程，可以执行另外的事情

from multiprocessing import Process
import time
 
def test():
    """子进程单独执行的代码"""
    while True:
        print('---test---')
        time.sleep(1)
 
if __name__ == '__main__':
    p=Process(target=test)
    p.start()
    # 主进程单独执行的代码
    while True:
        print('---main---')
        time.sleep(1)

运行结果

---main---
---test---
---main---
---test---
---main---
---test---

小结：

  1. 通过额外创建一个进程，可以实现多任务
  2. 使用进程实现多任务的流程：
    1. 创建一个Process对象，且在创建时通过target指定一个函数的引用
    2. 当调用start时，会真正的创建一个子进程

5.3、进程 PID

from multiprocessing import Process
import os
import time

def run_proc():
    """子进程要执行的代码"""
    print('子进程运行中，pid=%d...' % os.getpid())  # os.getpid获取当前进程的进程号
    print('子进程将要结束...')

if __name__ == '__main__':
    print('父进程pid: %d' % os.getpid())  # os.getpid获取当前进程的进程号
    p = Process(target=run_proc)
    p.start()

运行结果：

父进程pid: 17292
子进程运行中，pid=10440...
子进程将要结束...

5.4、Process创建的实例对象所使用的方法

  • start()：启动子进程实例（创建子进程）
  • is_alive()：判断子进程是否还在活着
  • join([timeout])：是否等待子进程执行结束，或等待多少秒
  • terminate()：不管任务是否完成，立即终止子进程

5.5、创建进程方式-2

from multiprocessing import Process
import time


class MyNewProcess(Process):
    def run(self):
        while True:
            print('---1---')
            time.sleep(1)


if __name__ == '__mian__':
    p = MyNewProcess()
    # 调用p.start()方法，p会先去父类中寻找start()，然后在Process的start方法中调用run方法
    p.start()

    while True:
        print('---Main---')
        time.sleep(1)

小结：

  • 此种创建多进程的流程
    1. 自定义一个类，继承Process类
    2. 实现run方法
    3. 通过自定义的类，创建实例对象
    4. 调用实例对象的start方法
  • 对比
    1. 自定义继承Process类的方式比 直接创建Process对象 要稍微复杂一些，但是可以用来实现更多较为复杂逻辑的功能
  • 建议
    1. 如果想快速的实现一个进程，功能较为简单的话，可以直接创建Process的实例对象
    2. 如果想实现一个功能较为完整、逻辑较为复杂的进程，可以自定义继承Process类 来实现。

6、创建进程对象时传递参数

为了在创建进程对象时，能够将不同的数据传递给进程，可以给Process类的__init__方法传递参数

from multiprocessing import Process
import os
from time import sleep


def run_proc(name, age, **kwargs):
    for i in range(10):
        print('子进程运行中，name= %s,age=%d ,pid=%d...' % (name, age, os.getpid()))
        print(kwargs)
        sleep(0.2)

if __name__=='__main__':
    p = Process(target=run_proc, args=('test',18), kwargs={"m":20})
    p.start()
    sleep(1)  # 1秒中之后，立即结束子进程
    p.terminate()
    p.join()

运行结果：

子进程运行中，name= test,age=18 ,pid=3528...
{'m': 20}
子进程运行中，name= test,age=18 ,pid=3528...
{'m': 20}
子进程运行中，name= test,age=18 ,pid=3528...
{'m': 20}
子进程运行中，name= test,age=18 ,pid=3528...
{'m': 20}
子进程运行中，name= test,age=18 ,pid=3528...
{'m': 20}

小结：

  1. 调用Process类创建进程对象时
    1. target指明 创建进程后，进程指定的代码是哪个函数
    2. args、kwargs用来给 那个函数指明传递的实参
      1. args：元组
      2. kwargs：字典

7.进程不共享全局变量

from multiprocessing import Process
import os
import time

nums = [11, 22]

def work1():
    """子进程要执行的代码"""
    print("in process1 pid=%d ,nums=%s" % (os.getpid(), nums))
    for i in range(3):
        nums.append(i)
        time.sleep(1)
        print("in process1 pid=%d ,nums=%s" % (os.getpid(), nums))

def work2():
    """子进程要执行的代码"""
    print("in process2 pid=%d ,nums=%s" % (os.getpid(), nums))

if __name__ == '__main__':
    p1 = Process(target=work1)
    p1.start()
    
    time.sleep(2)

    p2 = Process(target=work2)
    p2.start()

运行结果：

in process1 pid=5644 ,nums=[11, 22]
in process1 pid=5644 ,nums=[11, 22, 0]
in process1 pid=5644 ,nums=[11, 22, 0, 1]
in process2 pid=6532 ,nums=[11, 22]
in process1 pid=5644 ,nums=[11, 22, 0, 1, 2]

8、进程间通信--Queue

进程间是相互独立的，数据不共享，但有时需要数据共享，就需要进程间通信（IPC）

例如之前学习的网络编程udp、tcp，其实就是一种实现多进程间数据共享的方式，只是它通过套接字（socket）实现了不同电脑上的进程间通信

如果在一台电脑上不同进程间通信，就可以用其它的方式实现（知道即可，不需要深入研究，研究操作系统时才需要深入研究它们）：

  1. 文件（一个进程写入到文件，一个进程从文件中读取）

  2. 共享内存

8.1、Queue的使用

from multiprocessing import Queue
q = Queue(3)  # 初始化一个Queue对象，最多可接收三条put消息
q.put("消息1")
q.put("消息2")
print(q.full())  # False
q.put("消息3")
print(q.full())  # True

# 因为消息列队已满，所以会导致下面的try都会抛出异常，
# 第一个try会等待2秒后再抛出异常
# 第二个Try会立刻抛出异常
try:
    q.put("消息4", True, 2)
except:
    print("消息列队已满，现有消息数量:%s" % q.qsize())

try:
    q.put_nowait("消息4")
except:
    print("消息列队已满，现有消息数量:%s" % q.qsize())

# 推荐的方式，先判断消息列队是否已满，再写入
if not q.full():
    q.put_nowait("消息4")

# 读取消息时，先判断消息列队是否为空，再读取
if not q.empty():
    for i in range(q.qsize()):
        print(q.get_nowait())

运行结果：

False
True
消息列队已满，现有消息数量:3
消息列队已满，现有消息数量:3
消息1
消息2
消息3

小结：

  1. 使用Queue()时，若括号中没有指定最大可接收的消息数量，或数量为负值，那么就代表可接受的消息数量没有上限（直到内存的尽头）
  2. Queue的几个方法功能说明：
    1. Queue.qsize()：返回当前队列包含的消息数量
    2. Queue.empty()：如果队列为空，返回True，反之False
    3. Queue.full()：如果队列满了，返回True,反之False
    4. Queue.get([block[, timeout]])：获取队列中的一条消息，然后将其从列队中移除，block默认值为True
      1. 如果block使用默认值，且没有设置timeout（单位秒），消息列队如果为空，此时程序将被阻塞（停在读取状态），直到从消息列队读到消息为止，如果设置了timeout，则会等待timeout秒，若还没读取到任何消息，则抛出Queue.Empty异常
      2. 如果block值为False，消息列队如果为空，则会立刻抛出Queue.Empty异常
    5. Queue.get_nowait()：相当Queue.get(False)
    6. Queue.put(item,[block[, timeout]])：将item消息写入队列，block默认值为True
      1. 如果block使用默认值，且没有设置timeout（单位秒），消息列队如果已经没有空间可写入，此时程序将被阻塞（停在写入状态），直到从消息列队腾出空间为止，如果设置了timeout，则会等待timeout秒，若还没空间，则抛出Queue.Full异常
      2. 如果block值为False，消息列队如果没有空间可写入，则会立刻抛出Queue.Full异常
    7. Queue.put_nowait(item)：相当Queue.put(item, False)

8.2、 Queue实例

from multiprocessing import Process, Queue
import time, random


# 写数据进程执行的代码:
def task1(q):
    for value in ['A', 'B', 'C']:
        print('Put %s to queue...' % value)
        q.put(value)
        time.sleep(random.random())
 

# 读数据进程执行的代码:
def task2(q):
    while True:
        if not q.empty():
            value = q.get(True)
            print('Get %s from queue.' % value)
            time.sleep(random.random())
        else:
            break

if __name__=='__main__':
    # 父进程创建Queue，并传给各个子进程：
    q = Queue()
    write_p = Process(target=task1, args=(q,))
    read_p = Process(target=task2, args=(q,))
    # 启动子进程pw，写入:
    write_p.start()
    # 等待pw结束:
    write_p.join()
    # 启动子进程pr，读取:
    read_p.start()
    read_p.join()
    # pr进程里是死循环，无法等待其结束，只能强行终止:
    print('')
    print('所有数据都写入并且读完')

运行结果：

Put A to queue...
Put B to queue...
Put C to queue...
Get A from queue.
Get B from queue.
Get C from queue.

所有数据都写入并且读完

9、创建进程方式-3--->进程池

当需要创建的子进程数量不多时，可以直接利用multiprocessing中的Process动态成生多个进程，但如果是上百甚至上千个目标，手动的去创建进程的工作量巨大，此时就可以用到multiprocessing模块提供的Pool方法。

初始化Pool时，可以指定一个最大进程数，当有新的请求提交到Pool中时，如果池还没有满，那么就会创建一个新的进程用来执行该请求；但如果池中的进程数已经达到指定的最大值，那么该请求就会等待，直到池中有进程结束，才会用之前的进程来执行新的任务。

from multiprocessing import Pool
import os
import random
import time
 
def worker(num):
    for i in range(5):
        print('===pid=%d==num=%d='%(os.getpid(),num))
        time.sleep(1)
 
# 3表示进程池中最多有三个进程一起执行
pool=Pool(3)
 
for i in range(10):
    print('---%d---'%i)
    # 向进程中添加任务
    # 注意：如果添加的任务数量超过了进程池中进程的个数的话，那么就不会接着往进程池中添加，
    #       如果还没有执行的话，他会等待前面的进程结束，然后在往
    # 进程池中添加新进程
    pool.apply_async(worker,(i,))
 
pool.close() # 关闭进程池
pool.join()  # 主进程在这里等待，只有子进程全部结束之后，在会开启主线程

小结：

  • apply_async(func[, args[, kwds]]) ：使用非阻塞方式调用func（并行执行，堵塞方式必须等待上一个进程退出才能执行下一个进程），args为传递给func的参数列表，kwds为传递给func的关键字参数列表；
  • close()：关闭Pool，使其不再接受新的任务；
  • terminate()：不管任务是否完成，立即终止；
  • join()：主进程阻塞，等待子进程的退出， 必须在close或terminate之后使用。

10、进程池中的Queue

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

# 修改import中的Queue为Manager
from multiprocessing import Manager,Pool
import os,time,random

def reader(q):
    print("reader启动(%s),父进程为(%s)" % (os.getpid(), os.getppid()))
    for i in range(q.qsize()):
        print("reader从Queue获取到消息：%s" % q.get(True))

def writer(q):
    print("writer启动(%s),父进程为(%s)" % (os.getpid(), os.getppid()))
    for i in "itcast":
        q.put(i)

if __name__=="__main__":
    print("(%s) start" % os.getpid())
    q = Manager().Queue()  # 使用Manager中的Queue
    po = Pool()
    po.apply_async(writer, (q,))

    time.sleep(1)  # 先让上面的任务向Queue存入数据，然后再让下面的任务开始从中取数据

    po.apply_async(reader, (q,))
    po.close()
    po.join()
    print("(%s) End" % os.getpid())

运行结果：

(8784) start
writer启动(11136),父进程为(8784)
reader启动(11136),父进程为(8784)
reader从Queue获取到消息：i
reader从Queue获取到消息：t
reader从Queue获取到消息：c
reader从Queue获取到消息：a
reader从Queue获取到消息：s
reader从Queue获取到消息：t
(8784) End

11、文件夹copy器-->多进程版


import multiprocessing
import os
import time
import random


def copy_file(queue, file_name,source_folder_name,  dest_folder_name):
    """copy文件到指定的路径"""
    f_read = open(source_folder_name + "/" + file_name, "rb")
    f_write = open(dest_folder_name + "/" + file_name, "wb")
    while True:
        time.sleep(random.random())
        content = f_read.read(1024)
        if content:
            f_write.write(content)
        else:
            break
    f_read.close()
    f_write.close()

    # 发送已经拷贝完毕的文件名字
    queue.put(file_name)


def main():
    # 获取要复制的文件夹
    source_folder_name = input("请输入要复制文件夹名字:")

    # 整理目标文件夹
    dest_folder_name = source_folder_name + "[副本]"

    # 创建目标文件夹
    try:
        os.mkdir(dest_folder_name)
    except:
        pass  # 如果文件夹已经存在，那么创建会失败

    # 获取这个文件夹中所有的普通文件名
    file_names = os.listdir(source_folder_name)

    # 创建Queue
    queue = multiprocessing.Manager().Queue()

    # 创建进程池
    pool = multiprocessing.Pool(3)

    for file_name in file_names:
        # 向进程池中添加任务
        pool.apply_async(copy_file, args=(queue, file_name, source_folder_name, dest_folder_name))

    # 主进程显示进度
    pool.close()

    all_file_num = len(file_names)
    while True:
        file_name = queue.get()
        if file_name in file_names:
            file_names.remove(file_name)

        copy_rate = (all_file_num-len(file_names))*100/all_file_num
        print("\r%.2f...(%s)" % (copy_rate, file_name) + " "*50, end="")
        if copy_rate >= 100:
            break
    print()


if __name__ == "__main__":
    main()

小结：

进程线程对比：

  • 进程是系统进行资源分配和调度的一个独立单位.

  • 线程是进程的一个实体,是CPU调度和分派的基本单位,它是比进程更小的能独立运行的基本单位.线程自己基本上不拥有系统资源,只拥有一点在运行中必不可少的资源(如程序计数器,一组寄存器和栈),但是它可与同属一个进程的其他的线程共享进程所拥有的全部资源.

  • 一个程序至少有一个进程,一个进程至少有一个线程.
  • 线程的划分尺度小于进程(资源比进程少)，使得多线程程序的并发性高。
  • 进程在执行过程中拥有独立的内存单元，而多个线程共享内存，从而极大地提高了程序的运行效率。
  • 线程和进程在使用上各有优缺点：线程执行开销小，但不利于资源的管理和保护；而进程正相反。
拯救世界南如意
关注
  • 19
    点赞
  • 踩
  • 19
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
多线程-共享全局变量问题
xingyan98的博客
08-07 3002
多线程-共享全局变量问题 多线程可能遇到的问题 假设有两个线程t1和t2，都要对一个变量g_num进行运算(+1)，两个线程t1和t2分别对g_num各加10次，g_num的最终结果。 import threading import time g_num = 0 def work1(num): global g_num for i in range(num): g...
多线程-共享全局变量（python版）
人饭子的博客
10-25 1602
多线程-共享全局变量from threading import Thread import time g_num = 100 def work1(): global g_num for i in range(3): g_num += 1 print("----in work1, g_num is %d---"%g_num) def work2():
多任务05-多线程-共享全局变量
zhanghao840的博客
09-05 360
多线程-共享全局变量 from threading import Thread import time g_num = 100 def work1(): global g_num for i in range(3): g_num += 1 print("----in work1, g_num is %d---"%g_num) def work...
多线程-共享全局变量
weixin_30739595的博客
03-03 131
from threading import Thread import time g_num = 100 def work1(): global g_num for i in range(3): g_num += 1 print("----in work1, g_num is %d---"%g_num) def work2...
python 多线程共享全局变量的优劣
12-16
在Python中，多线程共享全局变量是因为它们都属于同一个进程，因此它们可以访问相同的内存空间。当一个线程修改全局变量时，其他线程能够看到这一变化，这是多线程共享全局变量的基本机制。 **二、全局变量与`...
Python写的多线程共享全局变量(带中文注释)
03-08
Python写的多线程共享全局变量代码，用于学习多线程开发，可以直接运行，并且带中文注释，方便初学者学习使用。
python爬虫-09-线程之间共享全局变量.ev4.rar
最新发布
04-06
在这个"python爬虫-09-线程之间共享全局变量"的主题中，我们将深入探讨Python如何在多线程环境下管理全局变量，以及在爬虫应用中如何利用这一特性来优化性能。 首先，让我们理解什么是全局变量。全局变量是在函数或...
多线程共享全局变量
weixin_42218868的博客
03-13 734
a=100 b=100 #多线程可以共享全局变量 from multiprocessing import Process from threading import Thread def work1(): global a,b for i in range(3): a+=1 b+=1 print(‘a=%d,b=%d’%(a,b)) def work2(): global a,b for i...
JAVA多线程和并发基础面试问答
weixin_34111790的博客
01-17 3399
这也是一篇发布在并发编程网的译文。 原文链接译文连接 作者：Pankaj 校对：方腾飞 多线程和并发问题是Java技术面试中面试官比较喜欢问的问题之一。在这里，从面试的角度列出了大部分重要的问题，但是你仍然应该牢固的掌握Java多线程基础知识来对应日后碰到的问题。（校对注：非常赞同这个观点） Java多线程面试问题 1. 进程和线程之间有什么不同？ 一个进程是一个独立(self ...
JAVA多线程并发操作全局变量
08-10
NULL 博文链接：https://toknowme.iteye.com/blog/2212529
120 python高级 - 多线程共享全局变量
阿甘兄
08-19 318
from threading import Thread import time g_num = 100 def work1(): global g_num for i in range(3): g_num += 1 print("----in work1, g_num is %d---"%g_num) def work2(): globa...
day 0807 多线程—共享全局变量问题
DAVID11234的博客
08-08 415
多线程—共享全局变量问题 多线程可能遇到的问题 假设有两个线程t1,t2假设都要对一个全局变量g_num进行运算，两个线程t1和t2分别对g_num各加10次，g_num的最终结果 import threading import time g_num=0 def work1(num): global g_num for i in range(num): g_num+...
多线程详解学习及分析（三）——多线程里面的全局变量
qq_29073537的博客
01-10 596
全局变量在多线程中的应用
java 多线程全局变量_Java多线程操作局部变量与全局变量
weixin_34637138的博客
02-12 2403
在这篇文章里，我们首先阐述什么是同步，不同步有什么问题，然后讨论可以采取哪些措施控制同步，接下来我们会仿照回顾网络通信时那样，构建一个服务器端的“线程池”，JDK为我们提供了一个很大的concurrent工具包，最后我们会对里面的内容进行探索。为什么要线程同步？说到线程同步，大部分情况下， 我们是在针对“单对象多线程”的情况进行讨论，一般会将其分成两部分，一部分是关于“共享变量”，一部分关于“执行...
多线程访问全局变量和局部变量剖析
u011555996的博客
12-02 2887
如果一个变量是成员变量，那么多个线程对同一个对象的成员变量进行操作时，它们对该成员变量是彼此影响的，也就是说一个线程对成员变量的改变会影响到另一个线程。 如果一个变量是局部变量，那么每个线程都会有一个该局部变量的拷贝(即便是同一个对象中的方法的局部变量，也会对每一个线程有一个拷贝)，一个线程对该局部变量的改变不会影响到其他线程。 这是因为成员变量和局部变量的生命周期不同，成员变量会在引用本类的对象时创建，随着对象的销毁而销毁，所以多个线程并发访问会彼此影响。而局部变量则是在访问方法时创建，在结束方法时销
多线程的数据怎么通过全局变量共享
05-25
多线程的数据可以通过全局变量共享。在多线程编程中，每个线程都有自己的栈空间，如果需要在线程之间共享数据，可以使用全局变量。具体实现方式取决于编程语言和操作系统，以下是一个例子： ```python import ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值