Python 多线程-共享全局变量问题

多线程-共享全局变量问题

多线程可能遇到的问题

假设有两个线程t1和t2,都要对一个变量g_num进行运算(+1)，两个线程t1和t2分别对g_num各加10次，g_num的最终结果？

import threading
import time

g_num = 0


def work1(num):
    global g_num
    for i in range(num):
        g_num += 1
    print('---in work1,g_num in %d---' % g_num)


def work2(num):
    global g_num
    for i in range(num):
        g_num += 1
    print('---in work2,g_num in %d---' % g_num)


print('---线程创建之前g_num: %d' % g_num)

t1 = threading.Thread(target=work1, args=(10,))
t2 = threading.Thread(target=work2, args=(10,))
t1.start()
t2.start()

while len(threading.enumerate()) != 1:
    time.sleep(1)

print('2个线程对同一个变量操作之后的最终结果：%d' % g_num)




---线程创建之前g_num: 0
---in work1,g_num in 10---
---in work2,g_num in 20---
2个线程对同一个变量操作之后的最终结果：20

情况1:

在num = 0时，t1取得num=0,此时系统把t1调度为’sleeping’的状态，t2转换为’running’的状态，t2也获得num=0,然后，t2对得到的值进行加1，并赋给num,num=1。然后，系统又将t2调度为’sleeping’的状态，把t1转换为’running’.线程t1又把它之前得到的0加1后赋值给num。这种情况，明明两个线程都完成了一次+1的工作，但结果还是num=1。

情况2：

如果我们将两个线程的参数调整为1000000，多次运行，结果不同。

说明如果多线程如果同时对一个全局变量操作，会出现一个资源竞争的问题，从而使数据结果不准确，导致线程安全问题。

同步

同步，就是协同步调。按照预定的先后次序进行运行，好比交流，一个说完，另一个人再说。

进程和线程同步，可以理解为进程或者线程A和B一块配合，a执行一定程度时，需要依赖B的某个结果，于是停下来，让B运行，B开始运行，再将结果给A，A再继续操作，如此往复，直至程序结束。

计算错误的解决

通过线程同步进行解决

思路：

• 系统调度t1，获取num=0,此时上一把锁，既不允许其他操作num

• 对num的值加1

• 解锁，此时num的值为1，其他的线程就可以使用num了，此时num = 1

• 同理，其他线程在对num修改时，也要先上锁，处理完后再解锁。在上锁的过程中，不允许其他线程访问，就保证了数据的正确性。

互斥锁

当多个线程几乎同时修改某个共享数据时，需要同步控制

线程同步能够保证多个线程安全访问竞争资源，最简单的同步机制就是引入互斥锁

互斥锁为我们的资源引入一个状态：锁定/非锁定

某个线程要更改共享数据时，先将其锁定，此时，资源的状态未锁定，其他线程不能对其更改，知道该线程释放资源，资源状态变为’非锁定’状态，其他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写入操作，从而保证了多线程情况下数据的正确性。

在threading模块里面，定义了Lock()类，可以方便的处理和锁定。

mutex = threading.Lock()   #创建锁