python多线程间的资源竞争、互斥锁与死锁，这些年Python面试的那些套路

• 可重入锁与不可重入锁

• 死锁

[](

)多线程间的资源竞争

===============================================================================

以下列task1()，task2()两个函数为例，分别将对全局变量num加一重复一千万次循环（数据大一些，太小的话执行太快，达不到验证的效果）。

import threading

import time

num = 0

def task1(nums):

global num

for i in range(nums):

num += 1

print(“task1—num=%d” % num)

def task2(nums):

global num

for i in range(nums):

num += 1

print(“task2—num=%d” % num)

if name == ‘main’:

nums = 10000000

t1 = threading.Thread(target=task1, args=(nums,))

t2 = threading.Thread(target=task2, args=(nums,))

t1.start()

t2.start()

因为主线程不会等子线程执行完就会执行，所以这里延迟五秒，确保最后执行。

time.sleep(5)

print(“main----num=%d” % num)

程序运行结果：

如图，输出结果比较混乱，既没有一千万，最终结果也不是二千万。因为多线程运行时出现了资源竞争，即可以理解为，每个函数运行的时间都不确定，且互相影响，

如从初始值0开始，假设t1的线程先执行，执行到+1后，此时的num=1还未存储，然后即被叫停，t2开始执行，去获取num，获取到的num等于初始值0，然后其执行了+1并存储，存储后num=1，然后t2停止t1继续，再次存储num=1。即加了两次1，但是num还是只等于1。

因为t1和t2谁来运行的分配是完全随机的，所以最后加了两千万次1后值是小于2000万的。

解决此类问题，可以使用到互斥锁 。

---

[](

)互斥锁

=========================================================================

• 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"，其他线程不能改变，只到该线程释放资源，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。

[](

)互斥锁示例

---

创建一把锁：

mutex = threading.Lock()

mutex.acquire() # 上锁

xxxx锁定的内容xxxxx

mutex.release() # 解锁

将互斥锁加入到上边的代码中如下，则问题得到了解决。

impor

t threading

import time

num = 0

def task1(nums):

global num

mutex.acquire()

for i in range(nums):

num += 1

mutex.release()

print(“task1—num=%d” % num)

最后

🍅 硬核资料：关注即可领取PPT模板、简历模板、行业经典书籍PDF。
🍅 技术互助：技术群大佬指点迷津，你的问题可能不是问题，求资源在群里喊一声。
🍅 面试题库：由技术群里的小伙伴们共同投稿，热乎的大厂面试真题，持续更新中。
k1—num=%d" % num)

最后

🍅 硬核资料：关注即可领取PPT模板、简历模板、行业经典书籍PDF。
🍅 技术互助：技术群大佬指点迷津，你的问题可能不是问题，求资源在群里喊一声。
🍅 面试题库：由技术群里的小伙伴们共同投稿，热乎的大厂面试真题，持续更新中。
🍅 知识体系：含编程语言、算法、大数据生态圈组件（Mysql、Hive、Spark、Flink）、数据仓库、Python、前端等等。