多线程（三）

共享全局变量的问题

资源竞争

当两个线程都要修改同一个全局变量时，由于多线程操作的本质是时间片轮转，当线程1执行了一部分，转到线程2执行，可能会出现问题。

# 线程1和线程2都要对全局变量g_num加1
# 1 在g_num=0时，t1取得g_num=0。
# 此时系统把t1调度为”sleeping”状态，把t2转换为”running”状态，t2也获得g_num=0
# 2 然后t2对得到的值进行加1并赋给g_num，使得g_num=1
# 3 然后系统又把t2调度为”sleeping”，把t1转为”running”。线程t1又把它之前得到的0加1后赋值给g_num。
# 4 这样导致虽然t1和t2都对g_num加1，但结果仍然是g_num=1
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 is %d---"%g_num)

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


print("---线程创建之前g_num is %d---"%g_num)

t1 = threading.Thread(target=work1, args=(10000000,))
t1.start()

t2 = threading.Thread(target=work2, args=10000000,))
t2.start()

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

print("2个线程对同一个全局变量操作之后的最终结果是:%s" % g_num)

结果如下

结论

如果多个线程同时对同一个全局变量操作，会出现资源竞争问题，从而数据结果会不正确

同步

就是协调，如进程、线程同步，可理解为进程或线程A和B一块配合，A执行到一定程度时要依靠B的某个结果，于是停下来，示意B运行;B执行，再将结果给A;A再继续操作。

互斥锁解决资源竞争的问题

当多个线程几乎同时修改某一个共享数据的时候，需要进行同步控制

线程同步能够保证多个线程安全访问竞争资源，最简单的同步机制是引入互斥锁。

互斥锁为资源引入一个状态：锁定/非锁定

某个线程要更改共享数据时，先将其锁定，此时资源的状态为“锁定”，其他线程不能更改；直到该线程释放资源，将资源的状态变成“非锁定”，其他的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。

# 当一个线程调用锁的acquire()方法获得锁时，锁就进入“locked”状态。
# 每次只有一个线程可以获得锁。
# 如果此时另一个线程试图获得这个锁，该线程就会变为“blocked”状态，称为“阻塞”，
# 直到拥有锁的线程调用锁的release()方法释放锁之后，锁进入“unlocked”状态。
# 线程调度程序从处于同步阻塞状态的线程中选择一个来获得锁，并使得该线程进入运行（running）状态。
import threading
import time

g_num = 0
# 创建一个互斥锁，默认未上锁状态
mutex = threading.Lock()

def work1(num):
    global g_num
    for i in range(num):
        mutex.acquire()  # 上锁
        g_num += 1
        mutex.release()  # 解锁
    print("----in work1, g_num is %d---"%g_num)


def work2(num):
    global g_num
    for i in range(num):
        mutex.acquire()  #上锁，当程序运行到这里，如果锁是上锁状态，则线程阻塞不会执行
        g_num += 1
        mutex.release()  # 解锁
    print("----in work2, g_num is %d---"%g_num)


print("---线程创建之前g_num is %d---"%g_num)

t1 = threading.Thread(target=work1, args=(1000000,))
t1.start()

t2 = threading.Thread(target=work2, args=(1000000,))
t2.start()

while len(threading.enumerate()) != 1:
    time.sleep(0.001)

print("2个线程对同一个全局变量操作之后的最终结果是:%s" % g_num)

死锁

在线程间共享多个资源的时候，如果两个线程分别占有一部分资源并且同时等待对方的资源，就会造成死锁。

import threading
import time

class MyThread1(threading.Thread):
    def run(self):
        # 对mutexA上锁
        mutexA.acquire()

        # mutexA上锁后，延时1秒，等待另外那个线程 把mutexB上锁
        print(self.name+'----do1---up----')
        time.sleep(1)

        # 此时会堵塞，因为这个mutexB已经被另外的线程抢先上锁了
        mutexB.acquire()
        print(self.name+'----do1---down----')
        mutexB.release()

        # 对mutexA解锁
        mutexA.release()

class MyThread2(threading.Thread):
    def run(self):
        # 对mutexB上锁
        mutexB.acquire()

        # mutexB上锁后，延时1秒，等待另外那个线程 把mutexA上锁
        print(self.name+'----do2---up----')
        time.sleep(1)

        # 此时会堵塞，因为这个mutexA已经被另外的线程抢先上锁了
        mutexA.acquire()
        print(self.name+'----do2---down----')
        mutexA.release()

        # 对mutexB解锁
        mutexB.release()

mutexA = threading.Lock()
mutexB = threading.Lock()

if __name__ == '__main__':
    t1 = MyThread1()
    t2 = MyThread2()
    t1.start()
    t2.start()

避免死锁

程序设计时要尽量避免（银行家算法）
添加超时时间等（超过一定的时间就解锁）