python多线程共享全局变量_python 多线程共享全局变量的优劣

python 多线程共享全局变量的优劣,线程,全局变量,多线程,数据,多个

python 多线程共享全局变量的优劣

易采站长站，站长之家为您整理了python 多线程共享全局变量的优劣的相关内容。

一、多线程共享全局变量

首先我们来回忆下在函数中修改全局变量的情况。

在一个函数中，对全局变量进行修改的时候，到底是否需要使用 global 进行说明，要看是否对全局变量的执行指向进行了修改。

如果修改了执行指向，即让全局变量指向了一个新的地方，那么必须使用 global。

如果仅仅是修改了指向的空间中的数据，此时不是必须要使用 global。

我们来看一个例子，在这个例子中，让一个子线程对全局变量 +1 操作，另一个子线程只打印全局变量，看看数据是否共享。

from threading import Thread

import time

g_num = 100

def work1():

global g_num

g_num += 1

print("----in work1, g_num is %d---" % g_num)

def work2():

print("----in work2, g_num is %d---" % g_num)

def main():

print("---线程创建之前g_num is %d---" % g_num)

t1 = Thread(target=work1)

t1.start()

# 延时一会，保证t1线程中的事情做完

time.sleep(1)

t2 = Thread(target=work2)

t2.start()

time.sleep(1)

print("---线程创建之后g_num is %d---" % g_num)

if __name__ == "__main__":

main()

如果子线程2打印出来的结果是100，说明全局变量不共享。

如果子线程2打印出来的数据是101，说明全局变量共享。

运行结果：

---线程创建之前g_num is 100---

----in work1, g_num is 101---

----in work2, g_num is 101---

---线程创建之后g_num is 101---

上面的例子说明，多线程是共享全局变量的。

二、列表当做实参传递到线程中

在上面，我们验证了多线程之间是共享全局变量的。

我们也可以将变量当作实参传递到线程中，来验证多线程中是共享数据的。

from threading import Thread

import time

def work1(nums):

nums.append(44)

print("----in work1---", nums)

def work2(nums):

print("----in work2---", nums)

g_nums = [11, 22, 33]

t1 = Thread(target=work1, args=(g_nums,))

t1.start()

# 延时一会，保证t1线程中的事情做完

time.sleep(1)

t2 = Thread(target=work2, args=(g_nums,))

t2.start()

运行结果：

----in work1--- [11, 22, 33, 44]

----in work2--- [11, 22, 33, 44]

那为什么多个线程之间要共享全局变量，有什么好处么？

因为多任务往往配合使用。

在一个进程内的所有线程共享全局变量，就可以很方便在多个线程间共享数据。

缺点就是，线程是对全局变量随意修改可能造成多线程之间对全局变量的混乱(即线程非安全)。

以上就是python 多线程共享全局变量的优劣的详细内容，更多关于python 多线程共享全局变量的资料请关注易采站长站其它相关文章！以上就是关于对python 多线程共享全局变量的优劣的详细介绍。欢迎大家对python 多线程共享全局变量的优劣内容提出宝贵意见