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