【Python网络编程和并发-多线程共享数据混乱引出同步锁】

38_第五章-多线程共享数据混乱引出同步锁

一、上节回顾

总结

• 在一个进程内的所有线程共享全局变量，能够在部使用其他方式的前提下完成多线程之间的数据共享（这点要比多进程更好）
• 缺点就是，线程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）

为了解决上述问题，需要允许线程独占的访问共享数据，这就是线程的同步。需要注意的是，这些问题在进程中也是存在的，只是在多线环境下更常见而已。

有时候需要在每个线程中使用各自独立的变量，一个显而易见的方法就是每个线程都适用自己的私有变量。为了方便，Python中提供了一种简单的机制threading.local来解决这个问题。其使用方法也很简单，就是在每个线程中建立独立私有变量。

二、实操案例

1、方法1-在每个线程中建立独立的私有变量

• 实操代码1

本方法只是逃避数据共享的操作，还需改进

• 运行结果1

2、方法2-解决线程共享数据的混乱问题

与方法1的不同：

使用全局变量

• 实操代码1：（每个进程的执行次数为5000）

• 运行结果1（无异常）

• 实操代码2：（每个进程的执行次数为500000）

• 运行结果2
  

按代码逻辑分析，每个进程执行500000次，最后的累计的g_num值应为2500000，此处出现错误

• 实操代码2-源代码

# -*- coding:utf-8 -*-
import time
from threading import *

g_num = 0

def run():
    # print("当前进程%s,开始启动：%s"%(current_thread().name,time.time())) #开始启动时间精确到秒，这里可不打印
    print("当前进程%s,开始启动"%(current_thread().name))
    global g_num
    for i in range(500000):
        g_num += 1
    print('线程%s,执行之后g_num的值为:%s'%(current_thread().name,g_num))

if __name__ == '__main__':
    threads = []

    for i in range(5):
        t = Thread(target=run)
        t.start()
        threads.append(t)

    for j in threads:
        j.join()

    print('主线程结束，g_num的值为：%s'%g_num)

• 小结

上面代码中出现的问题可分析如下：

（1）每个线程的运行次数设置小一些，运行的结果可能是正确的；

（2）问题产生的原因就是没有控制多个线程对同一资源的访问，对数据造成破破坏使得线程运行的结果不可预期。这种现象称为“线程不安全”

解决方法：同步

同步就是协同步调，按预定的先后次序进行运行。如：你说完，我再说。