python 线程等待_详解python多线程之间的同步(一)

引言：

线程之间经常需要协同工作，通过某种技术，让一个线程访问某些数据时，其它线程不能访问这些数据，直到该线程完成对数据的操作。这些技术包括临界区(Critical Section)，互斥量(Mutex)，信号量(Semaphore)，事件Event等。

Event

threading库中的event对象通过使用内部一个flag标记，通过flag的True或者False的变化来进行操作。

名称

含义

set( )

标记设置为True

clear( )

标记设置为False

is_set( )

标记是否为True

wait(timeout=None)

设置等待标记为True的时长，None为无限等待。等到返回True，等不到返回False

from threading import Thread,Event

import time

def creditor(event:Event):

print("什么时候还我钱")

event.wait()

print("我已经等了很长时间了")

def debtor(event:Event,count=10):

print("可以宽裕几天吗？")

money=[]

while True:

print("先还你100")

time.sleep(0.5)

money.append(1)

if len(money)>count:

event.set()

break

print("我已经还完你的钱了")

event=Event()

c=Thread(target=creditor,args=(event,))

d=Thread(target=debtor,args=(event,))

c.start()

d.start()

运行结果如下所示：

可以看到creditor函数中因为event.wait( )线程进入等待状态，此时debtor线程进入运行，当满足条件时event.set( )将标记设置为True，creditor线程开始运行。谁wait就是等到flag变为True，或等到超时变为False。不限制等待的个数。

wait的使用

from threading import Event,Thread

def Wait(event:Event,interval):

while not event.wait(interval):

print("waiting for you")

e=Event()

Thread(target=Wait,args=(e,3)).start()

e.wait(10)

e.set()

print("main exit")

主线程一开始就wait 10s，Waiting线程等待3s返回False，进入循环打印"waiting for you"，重复3次，然后主线程set了，这时候Waiting线程变为True，不再进入循环。

Lock

凡是存在资源争用的地方都可以使用锁，从而保证只有一个使用者可以完全使用这个资源

现在要生产10个杯子，由10个工人开始生产

import threading

import time

cups=[]

def worker(count=10):

print("我是{},我开始生产了".format(threading.current_thread().name))

flag=False

while True:

if len(cups)>count:

flag=True

time.sleep(0.05)

if not flag:

cups.append(1)

if flag:

break

print("finished.cups={}".format(len(cups)))

for _ in range(10):

threading.Thread(target=worker,args=(1000,)).start()

运行结果如下图所示：

我们明明只需要到1000就会break，但是结果却到了1010个，这就是因为有10个线程，其中每个线程都在增加，但是增加后的数目，其他线程并不会知道(每个线程通过len函数拿到数量，但是刚拿到数字，其他线程就立即更新了)

这个时候我们就需要锁lock来实现了，一旦线程获得锁，其他试图获取锁的线程将被阻塞

名称

含义

acquire(blocking=True,timeout=-1)

默认阻塞，阻塞可以设置超时时间。非阻塞时，timeout禁止设置。成功获取锁，返回True，否则返回False

release( )

释放锁。可以从任何线程释放。已上锁的锁，会抛出RuntimeError异常

加锁的实现：

import threading

import time

cups=[]

lock=threading.Lock()

def worker(count=10):

print("我是{},我开始生产了".format(threading.current_thread().name))

flag=False

while True:

lock.acquire()

if len(cups)>=count:

flag=True

time.sleep(0.005)

if not flag:

cups.append(1)

lock.release()

if flag:

break

print("finished,cups={}".format(len(cups)))

for _ in range(10):

threading.Thread(target=worker,args=(1000,)).start()

运行结果如图所示：

一般来说加锁后还需要一些代码实现，在释放锁之前还有可能抛出异常，一旦出现异常，锁无法释放，但是当前这个线程会因为这个异常而终止，这样会产生死锁，因此使用时要使用如下的方法：

1，使用try...finally语句保证锁的释放

2，with安全上下文管理(锁对象支持上下文管理)

计数器类，用来加，减。

import threading

import time

class Counter:

def __init__(self):

self._val = 0

self.__lock = threading.Lock()

@property

def value(self):

return self._val

def inc(self):

try:

self.__lock.acquire()

self._val += 1

finally:

self.__lock.release()

def dec(self):

with self.__lock:

self._val -= 1

def run(c: Counter, count=100):

for _ in range(count):

for i in range(-50, 50):

if i < 0:

c.dec()

else:

c.inc()

c = Counter()

c1 = 10

c2 = 1000

for i in range(c1):

threading.Thread(target=run, args=(c, c2)).start()

while True:

if threading.active_count() == 1:

print(c.value)

break

启动了10个线程，1000次从-50到50进行加减，最后得到0，如果没有加锁处理的话，得到的结果未必是自己想要的。

锁的使用场景：

锁适用于访问和修改同一个资源的时候，引起资源争用的情况下。使用锁的注意事项：

1，少用锁，除非有必要。多线程访问加锁的资源时，由于锁的存在，实际就变成了串行。

2，加锁时间越短越好，不需要就立即释放锁。

3，一定要避免死锁，使用with或者try...finally。

非阻塞锁使用

import threading

import time

def worker(tasks):

for task in tasks:

time.sleep(0.001)

if task.lock.acquire(False):

print("{} {} begin to start".format(threading.current_thread(),task.name))

else:

print("{} {} is working".format(threading.current_thread(),task.name))

class Task:

def __init__(self,name):

self.name=name

self.lock=threading.Lock()

tasks=[Task('task-{}'.format(x)) for x in range(10)]

for i in range(5):

threading.Thread(target=worker,name="worker-{}".format(i),args=(tasks,)).start()

运行结果如下图所示：

总共开启了5个线程，每个线程处理10个任务，因为在if语句里面，task.lock.acquire(False)，所以每个线程只有拿到锁是True，其他的线程不会阻塞会返回False。打印"is working"。

以上所述是小编给大家介绍的python多线程之间的同步详解整合，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对脚本之家网站的支持！