Python 多线程为何要加锁

1. 全局解释器锁(GIL)

  • CPython解释器在内存管理上不是线程安全的, 所以创建出了一个GIL锁机制, 阻止多线程并行
  • GIL锁只存在于CPython中, 对于JPython等就没有这个概念, 但由于JPython用的人比较少, 所以支持的模块也比较少, 最常用的还是CPython

2. 为何多线程访问内存要加锁

  • 由于存在GIL锁, 所以多线程应该是串行的, 但是为什么访问内存还需要加锁呢?
  • CPython解释器为了模拟并发执行, 默认会在线程执行100调CPU指令后(0.005s)尝试进行线程切换(修改切换时间, sys模块下sys.setswitchinterval()函数)
  • 线程block后也会释放锁(例如线程执行I/O操作时)
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是一个使用Python多线程的示例代码: ```python import threading # 创建一个对象 lock = threading.Lock() # 共享资源 shared_resource = 0 # 线程函数 def increment(): global shared_resource # 获取 lock.acquire() try: # 修改共享资源 shared_resource += 1 print(f'Incremented: {shared_resource}') finally: # 释放 lock.release() # 创建多个线程并启动 threads = [] for _ in range(5): t = threading.Thread(target=increment) t.start() threads.append(t) # 等待所有线程完成 for t in threads: t.join() ``` 在上面的示例中,我们使用`threading.Lock()`创建了一个对象`lock`。在`increment()`函数中,我们首先使用`lock.acquire()`获取,然后修改共享资源`shared_resource`,最后使用`lock.release()`释放。 通过使用,我们确保了同一时刻只有一个线程可以访问和修改共享资源。这样可以防止多个线程同时对共享资源进行写操作而导致竞态条件和数据不一致的问题。 请注意,在使用时,需要遵循以下几点: - 在需要保护共享资源的代码块之前使用`lock.acquire()`获取。 - 在对共享资源的操作完成后,使用`lock.release()`释放。 - 为了避免死,应该仔细设计的获取和释放逻辑,确保在任何情况下都能正确释放。 当多个线程同时访问共享资源时,只有一个线程能够获取到,并进行操作。其他线程在获取之前会被阻塞,直到被释放。 请根据您的具体需求和环境,适当修改和调整上述示例代码。同时,还可以了解更多关于Python多线程的相关知识,以便更好地应用于实际场景。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值