Python学习 :多线程 --- 锁
2019-04-11 10:39:00来源:博客园 阅读 ()
多线程
什么是锁?
- 锁通常被用来实现对共享资源的同步访问。
- 为每一个共享资源创建一个Lock对象,当你需要访问该资源时,调用acquire方法来获取锁对象(如果其它线程已经获得了该锁,则当前线程需等待其被释放),待资源访问完后,再调用release方法释放锁:
GIL(Global Interpreter Lock) 全局的解释器锁
增加锁的目的:
1.虽然效率十分低,但保证了数据的安全性
2.不同的锁对应保护不同的数据
3.谁拿到GIL锁就让谁得到Cpython解释器的执行权限
4.GIL锁保护的是Cpython解释器数据的安全,而不会保护你自己程序的数据的安全
5.GIL锁当遇到阻塞的时候,就被迫把锁给释放了,那么其他的就开始抢锁了,抢到后把值进行修改,但是第一个拿到锁的还依旧保持着原本的数据,当再次拿到锁的时候,数据已经修改了,而第一位拿的还是原来的数值,这样就造成了混乱,也就保证不了数据的安全了。
同步锁Lock
- GIL与Lock是两把锁,保护的数据不一样,前者是解释器级别的(保护的是解释器级别的数据,比如垃圾回收的数据),后者是保护用户自己开发的应用程序的数据
实例:没有加上锁的情况
- 在执行这个操作的多条bytecodes期间的时候可能中途就换别的线程了,这样就出现了data races的情况
mport time import threading def addNum(): global num # 在每个线程中都获取这个全局变量 temp = num print('--get num:',num ) time.sleep(0.01) num = temp - 1 # 对此公共变量进行-1操作 start = time.time() num = 100 # 设定一个共享变量 thread_list = [] for i in range(100): t = threading.Thread(target=addNum) t.start() thread_list.append(t) for t in thread_list: # 等待所有线程执行完毕 t.join() print('final num:', num ) end = time.time() print(end - start) # 此时并不能获取到正确的答案0 # 100个线程每一个一定都没有执行完就进行了切换,我们说过sleep就等效于IO阻塞,1s之内不会再切换回来,所以最后的结果一定是99. # 多个线程都在同时操作同一个共享资源,所以造成了资源破坏
实例:加上锁的情况
- 同步锁保证了在同一时刻只有一个线程被执行
import time import threading def addNum(): global num # 在每个线程中都获取这个全局变量 lock.acquire() # 获取锁 temp = num print('--get num:',num ) num = temp - 1 # 对此公共变量进行-1操作 lock.release() # 只有在执行完上述内容才会释放锁 start = time.time() num = 100 # 设定一个共享变量 thread_list = [] lock = threading.Lock() for i in range(100): t = threading.Thread(target=addNum) t.start() thread_list.append(t) for t in thread_list: #等待所有线程执行完毕 t.join() print('final num:', num ) end = time.time() print(end - start)
死锁Lock
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,就会造成死锁的情况
因为系统判断这部分资源都正在使用,所有这两个线程在无外力作用下将一直等待下去
import threading,time class myThread(threading.Thread): def LoA(self): lockA.acquire() print(self.name,"got lockA",time.ctime()) time.sleep(3) lockB.acquire() print(self.name,"got lockB",time.ctime()) lockB.release() lockA.release() def LoB(self): lockB.acquire() print(self.name,"got lockB",time.ctime()) time.sleep(2) lockA.acquire() print(self.name,"got lockA",time.ctime()) lockA.release() lockB.release() def run(self): self.LoA() self.LoB() if __name__=="__main__": lockA=threading.Lock() lockB=threading.Lock() # 解决方案:添加 lock = threading.RLock() # lock = threading.RLock() threads=[] for i in range(3): threads.append(myThread()) for t in threads: t.start() for t in threads: t.join() # 此时线程会卡死,一直等待下去,此时添加递归锁即可解决死锁的问题
递归锁 RLock
在添加递归锁后,RLock内部维护着一个Lock和一个counter变量,counter记录了acquire的次数,从而使得资源可以被多次acquire。直到一个线程所有的acquire都被release,其他的线程才能获得资源
信号量
信号量用来控制线程并发数的,它也是一把锁,BoundedSemaphore或Semaphore管理一个内置的计数 器,每当调用acquire()时-1,调用release()时+1
计数器不能小于0,当计数器为 0时,acquire()将阻塞线程至同步锁定状态,直到其他线程调用release()。(类似于停车位的概念)
BoundedSemaphore与Semaphore的唯一区别在于前者将在调用release()时检查计数 器的值是否超过了计数器的初始值,如果超过了将抛出一个异常
import threading,time class myThread(threading.Thread): def run(self): if semaphore.acquire(): # 如果上信号量锁就往下进行 print(self.name) time.sleep(5) semaphore.release() if __name__=="__main__": semaphore = threading.Semaphore(5) # 一次允许5个线程进行 # semaphore = threading.BoundedSemaphore(5) # 与上述效果一致 thrs = [] for i in range(20): # 开启20个线程 thrs.append(myThread()) for t in thrs: t.start()
条件变量同步
有一类线程需要满足条件之后才能够继续执行,Python提供了threading.Condition对象用于条件变量线程的支持,它除了能提供RLock()或Lock()的方法外,还提供了wait()、notify()、notifyAll()方法
lock_con = threading.Condition([Lock / Rlock]): 默认创建一个RLock锁,用于线程间的通信
wait():条件不满足时调用,线程会释放锁并进入等待阻塞
notify():条件创造后调用,通知等待池激活一个线程
notifyAll():条件创造后调用,通知等待池激活所有线程
import threading,time from random import randint class Producer(threading.Thread): def run(self): global L while True: val=randint(0,100) print('生产者',self.name,":Append"+str(val),L) if lock_con.acquire(): L.append(val) lock_con.notify() # 激活一个线程 lock_con.release() time.sleep(3) class Consumer(threading.Thread): def run(self): global L while True: lock_con.acquire() # wait()过后,从此处开始进行 if len(L)==0: lock_con.wait() # 进入等待阻塞 print('继续进行') # 我们可以看到并没有打印这个话,这说明线程不是从wait()下面继续进行 print('消费者',self.name,":Delete"+str(L[0]),L) del L[0] lock_con.release() time.sleep(0.25) if __name__=="__main__": L = [] lock_con = threading.Condition() threads = [] for i in range(5): threads.append(Producer()) threads.append(Consumer()) for t in threads: t.start() for t in threads: t.join()
同步条件(Event)
条件同步和条件变量同步差不多意思,只是少了锁功能,同步条件不是锁
因为条件同步设计于不访问共享资源的条件环境。event = threading.Event():条件环境对象,初始值为False;
event.isSet():返回event的状态值
event.wait():如果 event.isSet()==False将阻塞线程
event.set(): 设置event的状态值为True,所有阻塞池的线程激活进入就绪状态, 等待操作系统调度
event.clear():恢复event的状态值为False
import threading,time import random def light(): if not event.isSet(): event.set() #wait就不阻塞 #绿灯状态 count = 0
while True: if count < 10: print('\033[42;1m--green light on---\033[0m') elif count <13: print('\033[43;1m--yellow light on---\033[0m') elif count <20: if event.isSet(): event.clear() print('\033[41;1m--red light on---\033[0m') else: count = 0 event.set() # 打开绿灯 time.sleep(1) count += 1 def car(n): while 1: time.sleep(random.randrange(10)) if event.isSet(): # 绿灯 print("car [%s] is running.." % n) else: print("car [%s] is waiting for the red light.." %n) if __name__ == '__main__': event = threading.Event() Light = threading.Thread(target=light) Light.start() for i in range(3): t = threading.Thread(target=car,args=(i,)) t.start()
原文链接:https://www.cnblogs.com/ArticleYeung/p/10668568.html
如有疑问请与原作者联系
标签:
版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点,本站所提供的摄影照片,插画,设计作品,如需使用,请与原作者联系,版权归原作者所有
下一篇:开始我的编程笔记
- python3基础之“术语表(2)” 2019-08-13
- python3 之 字符串编码小结(Unicode、utf-8、gbk、gb2312等 2019-08-13
- Python3安装impala 2019-08-13
- 小白如何入门 Python 爬虫? 2019-08-13
- python_字符串方法 2019-08-13
IDC资讯: 主机资讯 注册资讯 托管资讯 vps资讯 网站建设
网站运营: 建站经验 策划盈利 搜索优化 网站推广 免费资源
网络编程: Asp.Net编程 Asp编程 Php编程 Xml编程 Access Mssql Mysql 其它
服务器技术: Web服务器 Ftp服务器 Mail服务器 Dns服务器 安全防护
软件技巧: 其它软件 Word Excel Powerpoint Ghost Vista QQ空间 QQ FlashGet 迅雷
网页制作: FrontPages Dreamweaver Javascript css photoshop fireworks Flash