Python线程安全问题及解决方法
Python多线程是通过threading模块来实现的。
参考: https://mp.csdn.net/postedit/91069618
一、多线程共享全局变量
from threading import Thread
list_a = [1, 2, 3]
def add_list():
global list_a
list_a.append(100)
print(list_a)
if __name__ == '__main__':
t1 = Thread(target=add_list)
t2 = Thread(target=add_list)
print(t1.name)
t1.start()
print(t2.name)
t2.start()
运行结果:
Thread-1
[1, 2, 3, 100]
Thread-2
[1, 2, 3, 100, 100]
在上面的代码中,我们创建了两个线程,这两个线程都是执行一次函数add_list,在线程t1执行完后,全局变量list_a中多了一个100,在线程t2执行完后,list_a中多了两个100,说明线程t2是在线程t1的基础上进行添加的。也就是说t1和t2两个线程是共享全局变量的。
在一个进程内的所有线程共享全局变量,很方便在多个线程间共享数据。
但是,多线程对全局变量随意修改可能造成全局变量的混乱,产生线程安全问题。
二、多线程的资源竞争问题(线程非安全)
from threading import Thread
num = 0
def add_num():
global num
for i in range(100000):
num += 1
if __name__ == '__main__':
t1 = Thread(target=add_num)
t2 = Thread(target=add_num)
t3 = Thread(target=add_num)
t1.start()
t2.start()
t3.start()
print(num)
运行结果:
221845
在上面的代码中,我们创建了三个线程,每个线程都是将num进行十万次+1运算,因为三个线程是共享全局变量的,所以结果应该是三十万300000。但是,结果却少了很多(每次运行结果不一样)。
在多个线程对全局变量进行修改时,造成得到的结果不正确,这种情况就是线程安全问题。
如果多个线程同时对同一个全局变量操作,会出现资源竞争问题,从而数据结果会不正确,即遇到线程安全问题。
那么,为什么多线程操作全局变量时会有资源竞争问题呢?
先假设两个线程t1和t2都要对全局变量num(从0开始)进行加1运算,t1和t2都各对num加10次,num的最终的结果应该为20。
但是由于是多线程同时操作,有可能出现下面情况:
1.在num=0时,t1取得num=0,但还没有开始做+1运算。此时系统把t1调度为”sleeping”状态,把t2转换为”running”状态,t2也获得num=0
2.然后t2对得到的值进行加1并赋给num,使得num=1
3.然后系统又把t2调度为”sleeping”,把t1转为”running”。线程t1把它之前得到的0加1后赋值给num。
4.这样导致虽然t1和t2都对num加1,但结果仍然是num=1
不过,一般在万级运算次数以下,不会出现资源竞争问题,当上了十万级或更高量级时,资源竞争问题会越来越明显。当然,这与电脑的配置也有关。
三、通过同步机制来解决线程安全问题
from threading import Thread, Lock, enumerate
import time
num = 0
mutex = Lock()
def add_num():
global num
for i in range(100000):
mutex.acquire()
num += 1
mutex.release()
if __name__ == '__main__':
t1 = Thread(target=add_num)
t2 = Thread(target=add_num)
t3 = Thread(target=add_num)
t1.start()
t2.start()
t3.start()
while len(enumerate()) != 1:
time.sleep(1)
print(num)
运行结果:
300000
上面的代码中,我们给之前的三个线程中加了锁,这样最后执行的结果就是我们想要的结果。
这种方式是使用互斥锁来实现同步,避免资源竞争问题发生。
除了使用互斥锁可以保证线程同步外,还有其他方式可以实现同步,解决线程安全,如通过队列来实现同步,因为队列是串行的,底层封装了锁。
四、同步和互斥锁
同步就是程序按预定的先后次序依次运行。
通过线程同步机制,能保证共享数据在任何时刻,最多有一个线程访问,以保证数据的正确性。
注意:
1.线程同步就是线程排队
2.共享资源的读写才需要同步
3.变量才需要同步,常量不需要同步
当多个线程几乎同时修改某一个共享数据的时候,需要进行同步控制。
线程同步能够保证多个线程安全地访问竞争资源,最简单的同步机制是使用互斥锁。
互斥锁为资源引入了一个状态:锁定/非锁定
某个线程要更改共享数据时,先将其锁定,此时资源的状态为“锁定”,其他线程不能更改。直到该线程释放资源,将资源的状态变成“非锁定”,其他的线程才能再次锁定该资源。互斥锁保证了每次只有一个线程进行操作,从而保证了多线程情况下数据的正确性。
注意:
多个线程使用的是同一个锁,如果数据没有被锁锁上,那么acquire()方法不会堵塞,会执行上锁操作。
如果在调用acquire时,数据已经被其他线程上了锁,那么acquire()方法会堵塞,直到数据被解锁为止。
上锁解锁过程:
当一个线程调用锁的acquire()方法获得锁时,锁就进入“locked”状态。
每次只有一个线程可以获得锁。如果此时另一个线程试图获得这个锁,该线程就会变为“blocked”状态,称为“阻塞”,直到拥有锁的线程调用锁的release()方法释放锁之后,锁进入“unlocked”状态。
线程调度程序从处于同步阻塞状态的线程中选择一个来获得锁,并使得该线程进入运行(running)状态。
五、死锁及解决方法
from threading import Thread, Lock
import time
mutex_x = Lock()
mutex_y = Lock()
def x_func():
print('X...')
mutex_x.acquire()
print('Lock x something')
time.sleep(1)
mutex_y.acquire()
print('Use y something')
time.sleep(1)
mutex_y.release()
print('x...')
mutex_x.release()
def y_func():
print('Y...')
mutex_y.acquire()
print('Lock y something')
time.sleep(1)
mutex_x.acquire()
print('Use x something')
time.sleep(1)
mutex_x.release()
print('y...')
mutex_y.release()
if __name__ == '__main__':
t1 = Thread(target=x_func)
t2 = Thread(target=y_func)
t1.start()
t2.start()
运行结果:
X...
Y...
Lock x something
Lock y something
上面的代码会一直阻塞,程序一直不会结束,因为线程1将mutex_x上了锁,等着锁mutex_y,与此同时,线程2已经将mutex_y上了锁,等着锁mutex_x。这样就形成了死锁。
在线程间共享多个资源的时候,如果两个线程分别占有一部分资源并且同时等待对方的资源,就会造成死锁。
尽管死锁很少发生,但一旦发生就会造成应用的停止响应。
在程序设计时,要尽量避免死锁的出现。
为了避免死锁一直阻塞下去,可以在其中一方添加超时时间,如果超时了,就跳过。
def x_func():
print('X...')
mutex_x.acquire()
print('Lock x something')
time.sleep(1)
result = mutex_y.acquire(timeout=10)
print(result)
print('Use y something')
time.sleep(1)
if result:
mutex_y.release()
print('x...')
mutex_x.release()
运行结果:
X...
Lock x something
Y...
Lock y something
False
Use y something
x...
Use x something
y...
在上面死锁的x_func中加入超时时间,则超时后死锁就解开了。