python 延时_理解Python多线程5：加锁解决问题，但又带来麻烦！

此系列，已经推送的如下，还没看到的读者，可以走一波：

理解Python多线程4：代码稍作改动，bug就来了

理解Python多线程3：多线程抢夺同一个变量

理解Python多线程2：线程轮询得到CPU时间片的演示例子

理解Python多线程1：通过易懂的小例子展开

篇4说道一个Bug，今天就来修复：

篇5 加上一把锁，避免出现变量修改不同步的问题。

知道问题出现的原因后，要想修复问题，也没那么复杂。

通过python中提供的锁机制，某段代码只能单线程执行时，上锁，其他线程等待，直到释放锁后，其他线程再争锁，执行代码，释放锁，重复以上。

创建一把锁locka:

import threading
import time


locka = threading.Lock()

通过 locka.acquire() 获得锁，通过locka.release()释放锁，它们之间的这些代码，只能单线程执行。

a = 0
def add1():
global a
try:
        locka.acquire() # 获得锁
        tmp = a + 1
        time.sleep(0.2) # 延时0.2秒，模拟写入所需时间
        a = tmp
finally:
        locka.release() # 释放锁
    print('%s  adds a to 1: %d'%(threading.current_thread().getName(),a))

threads = [threading.Thread(name='t%d'%(i,),target=add1) for i in range(10)]
[t.start() for t in threads]

执行结果如下：

t0  adds a to 1: 1
t1  adds a to 1: 2
t2  adds a to 1: 3
t3  adds a to 1: 4
t4  adds a to 1: 5
t5  adds a to 1: 6
t6  adds a to 1: 7
t7  adds a to 1: 8
t8  adds a to 1: 9
t9  adds a to 1: 10

一切正常，其实这已经是单线程顺序执行，就本例子而言，已经失去多线程的价值，并且还带来了因为线程创建开销，浪费时间的副作用。

程序中只有一把锁，通过 try...finally还能确保不发生死锁。但是，当程序中启用多把锁，还很容易发生死锁。

这么说，多线程的这种使用场合，就不妙了哦。那么，实际使用中，我该怎么办呢，python有没有更牛逼点的技术，提高类似场景的计算速度呢？

且看下篇，Python协程。

---

轻触这里，给我留言

阅读更多：

Python之路200个小例子，在线网页版来了，从此学习更方便！

Python小例子，长按关注

真诚奉献，从一而终