windows 读写锁 python_python的互斥锁使用总结

背景

并发场景通常需要访问公共资源，为了保证数据的一致性问题，往往需要通过加锁实现

使用方法

先来看一个不加锁的场景，如下例demo所示，func1和func2分别对全局变量g_num一个加一，一个减一操作。 然后看结果输出，正常顺序执行的话，结果一定是0

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

import threading

import time

from time import sleep, ctime

g_num = 0

# 创建互斥锁,默认不上锁

mutex = threading.Lock()

def func1(num):

global g_num

for i in range(num):

#mutex.acquire() # 上锁

g_num += 1

#mutex.release() # 解锁

print('--func1--g_num:%d' % g_num)

def func2(num):

global g_num

for i in range(num):

#mutex.acquire()

g_num -= 1

#mutex.release()

print('--func2--g_num:%d' % g_num)

if __name__ == "__main__":

t1 = threading.Thread(target=func1, args=(100000,))

t2 = threading.Thread(target=func2, args=(100000,))

t1.start()

t2.start()

t1.join()

t2.join()

print('the result--%d' % g_num)

执行结果如下：

--func1--g_num:100000

--func2--g_num:-7307

the result---7307

可以看到程序运行的最终全局变量的结果是-7307(每次执行的情况可能不一致)，说明没有加锁，并发写全局变量带来了脏数据的问题。

将上面的程序加锁和释放锁的操作添加上(反注释)后，可以得到下面的结果：

--func1--g_num:29569

--func2--g_num:0

the result--0

多次执行也是一样的，说明数据的一致性问题得到了解决。

那么问题来了，互斥锁因为粒度太大，大量使用也会带来性能问题，如何解决？

提示：

读写锁区分了读写场景，允许同时读的场景

python中没有现成的读写锁，需要自己实现