python3多线程是否需要加锁_Python中的多线程编程，线程安全与锁(一)

1. 多线程编程与线程安全相关重要概念

在我的上篇博文 聊聊Python中的GIL 中，我们熟悉了几个特别重要的概念：GIL，线程，进程， 线程安全，原子操作。

以下是简单回顾，详细介绍请直接看聊聊Python中的GIL

GIL:  Global Interpreter Lock，全局解释器锁。为了解决多线程之间数据完整性和状态同步的问题，设计为在任意时刻只有一个线程在解释器中运行。

线程：程序执行的最小单位。

进程：系统资源分配的最小单位。

线程安全：多线程环境中，共享数据同一时间只能有一个线程来操作。

原子操作：原子操作就是不会因为进程并发或者线程并发而导致被中断的操作。

还有一个重要的结论：当对全局资源存在写操作时，如果不能保证写入过程的原子性，会出现脏读脏写的情况，即线程不安全。Python的GIL只能保证原子操作的线程安全，因此在多线程编程时我们需要通过加锁来保证线程安全。

最简单的锁是互斥锁(同步锁)，互斥锁是用来解决io密集型场景产生的计算错误，即目的是为了保护共享的数据，同一时间只能有一个线程来修改共享的数据。

下面我们会来介绍如何使用互斥锁。

2. Threading.Lock实现互斥锁的简单示例

我们通过Threading.Lock()来实现锁。

以下是线程不安全的例子：

>>> importthreading>>> importtime>>> defsub1():globalcount

tmp=count

time.sleep(0.001)

count= tmp + 1time.sleep(2)>>> count =0>>> defverify(sub):globalcount

thread_list=[]for i in range(100):

t= threading.Thread(target=sub,args=())

t.start()

thread_list.append(t)for j inthread_list:

j.join()print(count)>>>verify(sub1)14

在这个例子中，我们把

count+=1

代替为

tmp =count

time.sleep(0.001)

count= tmp + 1

是因为，尽管count+=1是非原子操作，但是因为CPU执行的太快了，比较难以复现出多进程的非原子操作导致的进程不安全。经过代替之后，尽管只sleep了0.001秒，但是对于CPU的时间来说是非常长的，会导致这个代码块执行到一半，GIL锁就释放了。即tmp已经获取到count的值了，但是还没有将tmp + 1赋值给count。而此时其他线程如果执行完了count = tmp + 1, 当返回到原来的线程执行时，尽管count的值已经更新了，但是count = tmp + 1是个赋值操作，赋值的结果跟count的更新的值是一样的。最终导致了我们累加的值有很多丢失。

下面是线程安全的例子，我们可以用threading.Lock()获得锁

>>> count =0>>> defsub2():globalcountif lock.acquire(1):

#acquire()是获取锁，acquire(1)返回获取锁的结果，成功获取到互斥锁为True，如果没有获取到互斥锁则返回False

tmp=count

time.sleep(0.001)

count= tmp + 1time.sleep(2)

lock.release() 一系列操作结束之后需要释放锁>>> defver