在前一篇文章 python线程创建和传参 中我们介绍了关于python线程的一些简单函数使用和线程的参数传递，使用多线程可以同时执行多个任务，提高开发效率，但是在实际开发中往往我们会碰到线程同步问题，假如有这样一个场景：对全局变量累加1000000次，为了提高效率，我们可以使用多线程完成，示例代码如下：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 | # !usr/bin/env python # -*- coding:utf-8 _*- """ @Author:何以解忧 @Blog(个人博客地址): shuopython.com @WeChat Official Account(微信公众号)：猿说python @Github:www.github.com
@File:python_thread_lock.py @Time:2019/10/17 21:22
@Motto:不积跬步无以至千里，不积小流无以成江海，程序人生的精彩需要坚持不懈地积累！ """ # 导入线程threading模块 import threading
# 声明全局变量 g_num = 0
def my_thread1():
# 声明全局变量 global g_num # 循环 1000000 次，每次累计加 1 for i in range(0,1000000): g_num = g_num + 1
def my_thread2():
# 声明全局变量 global g_num # 循环 1000000 次，每次累计加 1 for i in range(0,1000000): g_num = g_num + 1
def main(i):
# 声明全局变量 global g_num # 初始化全局变量，初始值为 0 g_num = 0 # 创建两个线程，对全局变量进行累计加 1 t1 = threading.Thread(target=my_thread1) t2 = threading.Thread(target=my_thread2)
# 启动线程 t1.start() t2.start() # 阻塞函数，等待线程结束 t1.join() t2.join() # 获取全局变量的值 print("第%d次计算结果：%d "% (i,g_num))
if __name__ == "__main__":
# 循环4次，调用main函数，计算全局变量的值 for i in range(1,5): main(i) |
输出结果：
1 2 3 4 | 第1次计算结果：1262996 第2次计算结果：1661455 第3次计算结果：1300211 第4次计算结果：1563699 |
what ? 这是什么操作？？看着代码好像也没问题，两个线程，各自累加1000000次，不应该输出是2000000次吗？而且调用了4次main函数，每次输出的结果还不同！！
分析下上面的代码：两个线程共享全局变量并执行for循环1000000，每次自动加1，我们都知道两个线程都是同时在运行，也就是说两个线程同时在执行 g_num = g_num + 1 操作, 经过我们冷静分析一波，貌似结果还是应该等于2000000，对不对？
首先，我们将上面全局变量自动加 1 的代码分为两步：
1 2 | 第一步：g_num + 1 第二步：将 g_num + 1 的结果赋值给 g_num |
由此可见，执行一个完整的自动加1过程需要两步，然而线程却是在同时运行，谁也不能保证线程1的第一步和第二步执行完成之后才执行线程2的第一步和第二步，执行的过程充满随机性，这就是导致每次计算结果不同的原因所在！
举个简单的例子：
假如当前 g_num 值是100，当线程1执行第一步时，cpu通过计算获得结果101，并准备把计算的结果101赋值给g_num，然后再传值的过程中，线程2突然开始执行了并且执行了第一步，此时g_num的值仍未100，101还在传递的过程中，还没成功赋值，线程2获得计算结果101，并准备传递给g_num,经过一来一去这么一折腾，分明做了两次加 1 操作，g_num结果却是101，误差就由此产生，往往循环次数越多，产生的误差就越大。
为了避免上述问题，我们可以利用线程互斥锁解决这个问题。那么互斥锁到底是个什么原理呢？互斥锁就好比排队上厕所，一个坑位只能蹲一个人，只有占用坑位的人完事了，另外一个人才能上！
导入线程模块，通过 threading.Lock() 创建互斥锁.
1 2 3 4 5 | # 导入线程threading模块 import threading
# 创建互斥锁 mutex = threading.Lock() |
acquire() — 锁定资源，此时资源是锁定状态，其他线程无法修改锁定的资源，直到等待锁定的资源释放之后才能操作；
release() — 释放资源，也称为解锁操作，对锁定的资源解锁，解锁之后其他线程可以对资源正常操作;
以上面的代码为列子：想得到正确的结果，可以直接利用互斥锁在全局变量 加1 之前 锁定资源，然后在计算完成之后释放资源，这样就是一个完整的计算过程，至于应该是哪个线程先执行，无所谓，先到先得，凭本事说话….演示代码如下：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 | # !usr/bin/env python # -*- coding:utf-8 _*- """ @Author:何以解忧 @Blog(个人博客地址): shuopython.com @WeChat Official Account(微信公众号)：猿说python @Github:www.github.com
@File:python_thread_lock.py @Time:2019/10/18 21:22
@Motto:不积跬步无以至千里，不积小流无以成江海，程序人生的精彩需要坚持不懈地积累！ """ # 导入线程threading模块 import threading
# 声明全局变量 g_num = 0 # 创建互斥锁 mutex = threading.Lock()
def my_thread1():
# 声明全局变量 global g_num # 循环 1000000 次，每次累计加 1 for i in range(0,1000000): # 锁定资源 mutex.acquire() g_num = g_num + 1 # 解锁资源 mutex.release()
def my_thread2():
# 声明全局变量 global g_num # 循环 1000000 次，每次累计加 1 for i in range(0,1000000): # 锁定资源 mutex.acquire() g_num = g_num + 1 # 解锁资源 mutex.release()
def main(i):
# 声明全局变量 global g_num # 初始化全局变量，初始值为 0 g_num = 0 # 创建两个线程，对全局变量进行累计加 1 t1 = threading.Thread(target=my_thread1) t2 = threading.Thread(target=my_thread2)
# 启动线程 t1.start() t2.start() # 阻塞函数，等待线程结束 t1.join() t2.join() # 获取全局变量的值 print("第%d次计算结果：%d "% (i,g_num))
if __name__ == "__main__":
# 循环4次，调用main函数，计算全局变量的值 for i in range(1,5): main(i) |
输出结果：
1 2 3 4 | 第1次计算结果：2000000 第2次计算结果：2000000 第3次计算结果：2000000 第4次计算结果：2000000 |
由此可见，全局变量计算加上互斥锁之后，不论执行多少次，计算结果都相同。注意：互斥锁一旦锁定之后要记得解锁，否则资源会一直处于锁定状态；
1.单个互斥锁的死锁：acquire()/release() 是成对出现的，互斥锁对资源锁定之后就一定要解锁，否则资源会一直处于锁定状态，其他线程无法修改；就好比上面的代码，任何一个线程没有释放资源release()，程序就会一直处于阻塞状态(在等待资源被释放)，不信你可以试一试~
2.多个互斥锁的死锁：在同时操作多个互斥锁的时候一定要格外小心，因为一不小心就容易进入死循环，假如有这样一个场景：boss让程序员一实现功能一的开发，让程序员二实现功能二的开发，功能开发完成之后一起整合代码！
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 | # 导入线程threading模块 import threading # 导入线程time模块 import time
# 创建互斥锁 mutex_one = threading.Lock() mutex_two = threading.Lock()
def programmer_thread1():
mutex_one.acquire() print("我是程序员1，module1开发正式开始，谁也别动我的代码") time.sleep(2)
# 此时会堵塞，因为这个mutex_two已经被线程programmer_thread2抢先上锁了,等待解锁 mutex_two.acquire() print("等待程序员2通知我合并代码") mutex_two.release()
mutex_one.release()
def programmer_thread2(): mutex_two.acquire() print("我是程序员2，module2开发正式开始，谁也别动我的代码") time.sleep(2)
# 此时会堵塞，因为这个mutex_one已经被线程programmer_thread1抢先上锁了,等待解锁 mutex_one.acquire() print("等待程序员1通知我合并代码") mutex_one.release()
mutex_two.release()
def main():
t1 = threading.Thread(target=programmer_thread1) t2 = threading.Thread(target=programmer_thread2)
# 启动线程 t1.start() t2.start() # 阻塞函数，等待线程结束 t1.join() t2.join() # 整合代码结束 print("整合代码结束 ")
if __name__ == "__main__":
main() |
输出结果：
1 2 | 我是程序员1，module1开发正式开始，谁也别动我的代码 我是程序员2，module2开发正式开始，谁也别动我的代码 |
分析下上面代码：程序员1在等程序员2通知，程序员2在等程序员1通知，两个线程都陷入阻塞中，因为两个线程都在等待对方解锁，这就是死锁！所以在开发中对于死锁的问题还是需要多多注意！
1.线程与线程之间共享全局变量需要设置互斥锁；
2.注意在互斥锁操作中 acquire()/release() 成对出现,避免造成死锁；
1.python线程创建和传参
2.python函数-缺省参数
3.python局部变量和全局变量
转载请注明：猿说Python » Python线程互斥锁Lock
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
