python 多线程学习-2
多线程-共享全局变量
import threading
import time
g_num=100
def work1():
global g_num
for i in range(1,10):
g_num+=1
print("g_num is %d"%g_num)
print("线程创建之前 g_num is %d"%g_num)
w1=threading.Thread(target=work1)
w1.start()
#延时⼀会,保证w1线程中的事情做完
time.sleep(1)
w2=threading.Thread(target=work1)
w2.start()
运行结果
列表当做实参传递到线程中
import threading
import time
def work1(nums):
nums.append(44)
print(nums)
g_nums=[11,22,33]
w1=threading.Thread(target=work1,args=(g_nums,))
w1.start()
#延时⼀会,保证w1线程中的事情做完
time.sleep(1)
w2=threading.Thread(target=work1,args=(g_nums,))
w2.start()
在一个进程内的所有线程共享全局变量,很方便在多个线程间共享数据
缺点就是,线程是对全局变量随意遂改可能造成多线程之间对全局变量的混乱(即非线程安全)
多线程开发可能遇到的问题
如果多个线程同时对同一个全局变量操作,会出现资源竞争问题,从而数据结果会不正确
测试1
import threading
import time
g_num=0
def work1(num):
global g_num
for x in range(num):
g_num+=1
print("work1:"+str(g_num))
def work2(num):
global g_num
for x in range(num):
g_num+=1
print("work2:"+str(g_num))
w1=threading.Thread(target=work1,args=(100,))
w1.start()
w2=threading.Thread(target=work2,args=(100,))
w2.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
测试1
import threading
import time
g_num=0
def work1(num):
global g_num
for x in range(num):
g_num+=1
print("work1:"+str(g_num))
def work2(num):
global g_num
for x in range(num):
g_num+=1
print("work2:"+str(g_num))
w1=threading.Thread(target=work1,args=(1000000,))
w1.start()
w2=threading.Thread(target=work2,args=(1000000,))
w2.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
正常结果应该是 2000000 ,但因为资源抢占,最后导致计算少了很多,此结果会随每一次运行会产生不同的遗漏计算值
线程同步
同步就是协同步调,按预定的先后次序进行运行,计算错误的问题,可以通过线程同步来进行解决。
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。
# 创建锁
mutex = threading.Lock()
# 锁定
mutex.acquire()
# 释放
mutex.release()
修改后代码
import threading
import time
g_num=0
mutex=threading.Lock()
def work1(num):
global g_num
for x in range(num):
mutex.acquire()
g_num+=1
mutex.release()
print("work1:"+str(g_num))
def work2(num):
global g_num
for x in range(num):
mutex.acquire()
g_num+=1
mutex.release()
print("work2:"+str(g_num))
w1=threading.Thread(target=work1,args=(1000000,))
w1.start()
w2=threading.Thread(target=work2,args=(1000000,))
w2.start()
while len(threading.enumerate())!=1:
time.sleep(0.5)
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
线程死锁
在线程间共享多个资源的时候,如果两个线程分别占有一部分资源并且同时等待对方的资源,就会造 成死锁。会直接导致程序冲突直接退出
import threading
import time
mutexA=threading.Lock()
mutexB=threading.Lock()
class Thread_1(threading.Thread):
"""docstring for Thread_1"""
def run(self):
#A上锁
mutexA.acquire()
#延迟等待另一个线程上锁
print(self.name+"A Lock")
time.sleep(1)
#发生堵塞
mutexB.acquire()
print(self.name+"B Lock")
mutexB.release()
print(self.name+"B Release")
mutexA.release()
print(self.name+"A Release")
class Thread_2(threading.Thread):
"""docstring for Thread_1"""
def run(self):
#B上锁
mutexB.acquire()
#延迟等待另一个线程上锁
print(self.name+"B Lock")
time.sleep(1)
#发生堵塞
mutexA.acquire()
print(self.name+"A Lock")
mutexA.release()
print(self.name+"A Release")
mutexB.release()
print(self.name+"B Release")
t1=Thread_1()
t2=Thread_2()
t1.start()
t2.start()
运行结果
进入死锁状态,线程无法结束,程序无法继续运行