python中concurrent.futures调用全局变量-线程锁概念

线程锁是一种同步机制，用于在多线程环境下保护共享资源，防止多个线程同时访问和修改这些资源，从而引发数据不一致或其他并发问题。线程锁的工作原理是，当一个线程想要访问共享资源时，它必须先获取锁。如果锁已经被其他线程持有，则该线程必须等待，直到锁被释放。一旦线程获得了锁，它就可以安全地访问和修改共享资源，直到完成操作并释放锁。

在concurrent.futures中，如果你需要在多个线程或进程中共享和修改全局变量，你需要非常小心，因为多线程和多进程对共享状态的访问可能会导致竞态条件（race conditions）和其他难以调试的问题。在Python中，全局解释器锁（GIL）的存在限制了多线程的并行性，但在多进程环境中，每个进程都有自己独立的内存空间，因此共享状态需要通过进程间通信（IPC）来实现。

对于线程，虽然GIL使得同一时刻只有一个线程在执行Python字节码，但如果你正在修改全局变量，仍需要采取适当的同步措施来避免竞态条件。对于进程，由于每个进程都有独立的内存空间，你需要使用额外的机制（如multiprocessing.Value或multiprocessing.Manager）来共享状态。

下面是一个简单的例子，展示了如何在concurrent.futures.ThreadPoolExecutor中使用全局变量，并使用线程锁来确保线程安全：

import concurrent.futures  
import threading  
  
# 全局变量  
global_variable = 0  
# 线程锁  
lock = threading.Lock()  
  
def increment_global_variable():  
    global global_variable  
    with lock:  
        # 获取锁后，安全地修改全局变量  
        global_variable += 1  
  
# 使用线程池  
with concurrent.futures.ThreadPoolExecutor(max_workers=4) as executor:  
    futures = [executor.submit(increment_global_variable) for _ in range(10)]  
  
    # 等待所有任务完成  
    concurrent.futures.wait(futures)  
  
# 打印全局变量的最终值  
print(f"Global variable after increment: {global_variable}")

在这个例子中，我们创建了一个全局变量global_variable和一个线程锁lock。increment_global_variable函数在修改全局变量前获取锁，确保一次只有一个线程可以修改它。使用with语句可以确保锁在函数返回前被正确释放。

如果你在使用concurrent.futures.ProcessPoolExecutor（多进程），则不能直接共享全局变量，因为每个进程都有自己独立的内存空间。在这种情况下，你可以使用multiprocessing模块提供的共享内存对象，或者使用multiprocessing.Manager来创建可以在进程间共享的数据结构。

这里是一个使用multiprocessing.Manager的例子：

from concurrent.futures import ProcessPoolExecutor  
from multiprocessing import Manager  
  
def increment_global_variable(global_var):  
    global_var.value += 1  
  
if __name__ == "__main__":  
    with Manager() as manager:  
        # 创建一个可以在进程间共享的变量  
        global_variable = manager.Value('i', 0)  
  
        with ProcessPoolExecutor(max_workers=4) as executor:  
            futures = [executor.submit(increment_global_variable, global_variable) for _ in range(10)]  
  
            # 等待所有任务完成  
            concurrent.futures.wait(futures)  
  
        # 打印全局变量的最终值  
        print(f"Global variable after increment: {global_variable.value}")

在这个例子中，我们使用multiprocessing.Manager()创建了一个可以在进程间共享的Value对象。然后，我们将这个对象传递给increment_global_variable函数，该函数可以安全地在多个进程间修改它，而不需要担心竞态条件。