使用多个线程的时候容易遇到一个场景:多个线程处理一份数据
使用多线程的时候同时处理一份数据,在threading中提供了一个方法:线程锁
Demo:下订单
现在有多笔订单下单,库存减少
from threading import Thread
from time import sleep
store= {
'inventory' : 100
}
# 定义一个函数,作为新线程执行的入口函数
def deposit(theadidx,orderNum):
balance = store['inventory']
# 执行减少库存操作,耗费了0.1秒
sleep(0.1)
store['inventory'] = balance - orderNum
print(f'子线程 {theadidx} 结束')
theadlist = []
for idx in range(10):
thread = Thread(target = deposit,
args = (idx,1)
)
thread.start()
# 把线程对象都存储到 threadlist中
theadlist.append(thread)
for thread in theadlist:
thread.join()
print('主线程结束')
print(f'最后我们的库存为 {store["inventory"]}')
'''
子线程 6 结束
子线程 1 结束
子线程 7 结束
子线程 0 结束
子线程 8 结束
子线程 9 结束
子线程 5 结束
子线程 4 结束
子线程 3 结束
子线程 2 结束
主线程结束
最后我们的库存为 99
Process finished with exit code 0
'''
当十个用户下完订单后,对应的库存没有从100-10=90,而是变成了99
实际减少数量和库存应减对不上
会导致每一个线程组都刷新一次余额,所有的线程没有累计起来数据共享库存数
所以需要在线程执行前,将原始数据锁起来,执行线程内容,结束后释放
使用acquire()方法上锁
使用release()方法解锁
修改后的Demo:
在原来的deposit方法上添加一个上锁解锁的操作,从而达到线程执行时,同数据源(库存数量)不会被其他线程执行所影响
from threading import Thread, Lock
from time import sleep
store = {
'inventory': 100
}
sk = Lock()
# 定义一个函数,作为新线程执行的入口函数
def deposit(theadidx, orderNum):
sk.acquire() # 上锁 解库存
balance = store['inventory']
# 执行减少库存操作,耗费了0.1秒
sleep(0.1)
store['inventory'] = balance - orderNum
print(f'子线程 {theadidx} 结束')
sk.release() # 解锁
theadlist = []
for idx in range(10):
thread = Thread(target=deposit,
args=(idx, 1)
)
thread.start()
# 把线程对象都存储到 threadlist中
theadlist.append(thread)
for thread in theadlist:
thread.join()
print('主线程结束')
print(f'最后我们的库存为 {store["inventory"]}')
"""
子线程 0 结束
子线程 1 结束
子线程 2 结束
子线程 3 结束
子线程 4 结束
子线程 5 结束
子线程 6 结束
子线程 7 结束
子线程 8 结束
子线程 9 结束
主线程结束
最后我们的库存为 90
Process finished with exit code 0
"""
写在最后
线程上锁的好处:
确保了某个方法/类方法(这里为deposit方法)只能由一个线程从头到尾完整地执行
坏处:
上锁的时候需要在操作后及时的解锁,可能会导致死锁发生
注意:
使用acquire()方法上锁后一定要使用release()方法去解锁