-
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。